redboom-CSDN博客

原创求均值和均方差不溢出的方法

均值公式： x¯=∑ni=1xin\bar{x}=\dfrac{{\sum_{i=1} ^n} x_i}{n} 求解思路：x¯0=0\bar{x}_0={0} for i = 1 : n x¯i=x¯i−1+(xi−x¯i−1)i\bar{x}_i=\bar{x}_{i-1}+\dfrac{(x_i-\bar{x}_{i-1})}{i} end方差公式：X=∑ni=1(xi−x¯)2

2017-03-29 21:11:44 410

原创 strassen方法求任意行列数的矩阵乘法

根据之前的文章strassen方法求矩阵乘法，我们只需要在使用strassen方法前对矩阵进行处理，对任意行列数的矩阵mxn，在最后一行或最后一列后面添加0，使行数和列数补齐为2的幂。修改之前的代码如下：void MatrixMultipy(int* a, int arow, int acol, int* b, int brow, int bcol, int* c){ int aM =

2017-03-29 21:11:14 448

原创 Strassen方法求矩阵乘法

Strassen方法求矩阵乘法 a: mxn b:nxk ,a和b相乘后c的维数为mxk 矩阵维数要求 m, n, k均为2的幂#include<iostream>using namespace std;//typedef a data type to make the input matrix type flexibletypedef int DATATYPE;//define a d

2017-03-29 21:10:40 387

原创一些向量求导公式

一些向量求导公式参考《关于向量求导的一些公式》，刘昌红，刘瑞元 1.xT=[x1,...,xn],aT=[a1,...,an]\mathbf x^T=[x_1,...,x_n], \mathbf a^T = [a_1,...,a_n] ∂(aTx)m∂x=m(aTx)m−1a\frac{\partial(\mathbf a^T\mathbf x)^m}{\partial \mathbf x} =

2017-03-29 21:09:44 3460

原创自回归模型的LMS学习曲线-神经网络与机器学习笔记3

对于自回归模型x(n)=ax(n−1)+ϵ(n)x(n)=ax(n-1)+\epsilon(n) a=0.99a=0.99, σ2ϵ=0.02\sigma_\epsilon^2=0.02,σ2x=0.995\sigma_x^2=0.995 利用这个模型参数一组标准数据，然后使用LMS方法求解这个模型中的参数a 为了得到LMS学习曲线，我们将求解过程重复100次，并且每次产生不同的标准数据用于求

2017-03-29 21:08:58 1357

原创正则化最小二乘法——神经网络与机器学习笔记2

参考Andrew Ng 公开课的推导一些公式trA=∑ni=1AiitrA=\sum_{i=1}^nA_{ii} trAB=trBAtrAB=trBA trABC=trCBA=trBCAtrABC=trCBA=trBCA trA=trATtrA=trA^T if a∈Ra\in R, tra=atra=a ∇AtrAB=BT\nabla_AtrAB=B^T ∇AtrABATC=CAB+C

2017-03-29 21:08:20 624

原创 Rosenblatt感知机-神经网络与机器学习笔记1

一、Rosenblatt感知机小结感知机模型输入向量：x(n)=[+1,x1(n),x2(n),...,xm(n)]Tx(n)=[+1,x_1(n),x_2(n),...,x_m(n)]^T 权重向量：w(n)=[b,w1(n),w2(n),...wm(n)]Tw(n)=[b,w_1(n),w2(n),...w_m(n)]^T 当输入向量线性可分时，我们需要寻找到一个合适的w，正确地分开

2017-03-29 21:07:58 338

redboom的博客