![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
数学
文章平均质量分 88
第六五签
这个作者很懒,什么都没留下…
展开
-
常微分方程 (ODE) 和 随机微分方程 (SDE)
常微分方程(Ordinary Differential Equations, ODE)和随机微分方程(Stochastic Differential Equations, SDE)是数学中描述系统动态行为的重要工具。它们有一些相似之处,但在处理随机性方面存在显著差异。原创 2024-06-06 22:29:53 · 798 阅读 · 0 评论 -
维纳运动的概念
维纳运动WtW(t)Wt初始条件W00W(0) = 0W00。独立增量:对于任意的0≤t1t2⋯tn0≤t1t2⋯tn,增量Wtk−Wtk−1Wtk−Wtk−1是相互独立的。正态增量:对于任意sts < tst,增量Wt−WsWt−Ws服从均值为 0、方差为t−st - st−s的正态分布,即Wt−Ws∼N0t−sWt−Ws∼。原创 2024-06-06 22:19:34 · 561 阅读 · 0 评论 -
常微分方程 (ODE) 和 随机微分方程 (SDE)
常微分方程(Ordinary Differential Equations, ODE)和随机微分方程(Stochastic Differential Equations, SDE)是数学中描述系统动态行为的重要工具。它们有一些相似之处,但在处理随机性方面存在显著差异。原创 2024-06-06 21:54:10 · 1150 阅读 · 0 评论 -
示性函数(Indicator Function)
对于任意集合AAA和全集XXX的元素xxx,示性函数IAX→01IAX→01IAx1ifx∈A0otherwiseI_A(x) =IAx10ifx∈Aotherwise。原创 2024-03-23 19:58:40 · 2632 阅读 · 0 评论 -
雅可比矩阵(Jacobian matrix)
在机器学习中,雅可比矩阵经常用于计算反向传播算法中的梯度,用于更新模型参数。在优化中,雅可比矩阵可以用于计算目标函数的梯度,帮助确定最优解。在计算机图形学中,雅可比矩阵用于计算变形、变换和形变等几何变换。雅可比矩阵(Jacobian matrix)是一个重要的数学工具,用于描述一个向量值函数的导数。雅可比矩阵将一个输入向量的变化率映射到输出向量的变化率,它的重要性在于它提供了多变量函数的全面导数信息。通过雅可比矩阵,我们可以获得有关多变量函数的全面导数信息,从而更好地理解和分析函数的行为和性质。原创 2024-03-05 10:12:17 · 2426 阅读 · 0 评论 -
信息熵 (Entropy)
对于离散概率分布,若有两个概率分布PPP和QQQ,其中 § 通常代表数据的真实分布,而QQQ代表模型预测的分布,那么交叉熵HPQH(P, Q)HPQHPQ−∑xPxlogQxHPQ−∑xPxlogQx))这里的求和是对所有可能事件xxx进行的,PxP(x)Px是样本点xxx在真实分布中的概率,QxQ(x)Qx是样本点xxx在预测分布中的概率。对于离散随机变量,如果我们有两个概率分布PPP和Q。原创 2024-03-04 11:45:22 · 3897 阅读 · 0 评论 -
多元正态分布(Multivariate Normal Distribution)
多元正态分布(Multivariate Normal Distribution),也称为多变量高斯分布,是单变量正态分布(高斯分布)在多维空间中的推广。通常通过样本的均值和样本协方差矩阵来估计。多元正态分布是许多多变量统计方法的基础,如多变量回归分析、主成分分析(PCA)等。上述特殊情况下的多元正态分布在理论探讨和实际应用中都有重要的地位,比如在金融模型、社会科学研究、工程问题等领域。这些性质使得多元正态分布在理论研究和实际应用中都非常重要,尤其是在统计推断、风险管理、机器学习和许多其他领域。原创 2024-03-03 15:54:59 · 1899 阅读 · 0 评论 -
Jensen‘s inequality(詹森不等式)
在凸函数的情况下,线性组合的函数值不大于函数值的线性组合。换句话说,如果你在凸函数的图像上取两点,然后画一条直线连接这两点,那么这条直线将始终位于这两点之间图像的上方或与之重合。换成期望值的语境,就是随机变量经过凸函数的期望不小于随机变量期望的函数值。Jensen’s inequality(詹森不等式)是数学中的一条重要不等式,由丹麦数学家Johan Jensen于1906年提出。直观上说,这意味着在凸函数的图形上,任意两点间的线段总是位于函数图形的上方或与之重合。是凸的,如果对于所有的。原创 2024-03-02 09:34:58 · 1684 阅读 · 0 评论 -
常见概率分布介绍
概率分布是统计学中用于描述随机变量的概率特征的函数。μσ201这些分布在各种统计分析和机器学习算法中都有着非常重要的作用。了解和使用这些分布,可以帮助我们在处理数据和进行推断时做出更准确的决策。原创 2024-02-29 22:56:00 · 1400 阅读 · 0 评论 -
时不变系统(Time-Invariant System)
时不变系统(Time-Invariant System)是一个在控制系统和信号处理领域常用的概念。一个系统如果是时不变的,那么它的特性和行为不随时间改变。这意味着,如果给这个系统一个输入信号,不管在什么时间点开始输入,它的输出将只取决于输入信号本身,而与输入信号开始的时间无关。举个例子,如果一个时不变系统在t0时刻对输入信号xt产生输出yt,那么在任意时刻tT,对输入信号xt−T的输出将会是yt−T。。在数学上,时不变系统可以用线性常微分方程或差分方程来描述。原创 2024-02-29 12:01:46 · 1440 阅读 · 0 评论 -
快速卷积介绍
快速卷积是一种使用快速傅里叶变换(FFT)来有效计算两个序列(信号、函数等)卷积的方法。快速卷积对于数字信号处理、图像处理、音频处理等领域至关重要,因为它大大提高了计算卷积的效率。原创 2024-02-28 16:37:12 · 921 阅读 · 0 评论 -
Krylov matrix
Krylov矩阵在迭代方法中非常重要,因为它们与系统的特征值和特征向量有紧密的联系,并且能够在没有完整解决问题的情况下提供有用的近似信息。例如,Krylov子空间方法,如共轭梯度法(用于对称正定矩阵)和GMRES(Generalized Minimal Residual Method,用于非对称问题),就是基于构建这种类型的子空间来迭代地逼近线性方程组。Krylov矩阵是一种在数值线性代数中使用的矩阵,尤其是在迭代解法中用于求解线性方程组、特征值问题和其他线性代数问题。的一个Krylov子空间。原创 2024-02-28 16:35:37 · 694 阅读 · 0 评论 -
柯西矩阵介绍
在数学中,柯西矩阵的概念可以扩展到非方阵的情况。一个广义的柯西矩阵是由两组数xii1mxii1m_和 _yjj1nyjj1n定义的一个m×nm \times nm×n矩阵,其中mmm和nnn可以不相等。Cij1xi−yjCijxi−yj1在这里,xix_ixi是第一组数中的第iii个元素,yjy_jyj是第二组数中的第jjj个元素,且条件是对所有的。原创 2024-02-28 10:51:20 · 2192 阅读 · 0 评论 -
正规矩阵(normal matrix)
正规矩阵(Normal matrix)是在线性代数中的一个概念,指的是一个与其共轭转置矩阵可交换的复数方阵。具体来说,设A是一个n×n的复数方阵,AAA∗A∗A这里的A∗表示A的共轭转置矩阵,也就是A的转置矩阵中的每个元素取共轭。UDAUDU∗DAU∗UUU∗IIAA∗A−A∗AATATA−AATATAAA正规矩阵的概念在物理学、工程学和数学的许多领域中都非常重要,尤其在量子力学和数值分析中。原创 2024-02-28 09:19:46 · 2794 阅读 · 0 评论 -
范德蒙行列式
范德蒙行列式是以一组数为变量的行列式,其特殊之处在于每一行的元素是前一行的元素依次乘以一个固定的数。此外,范德蒙行列式在理论和应用数学的其他领域中也有广泛的应用,包括系统理论、数值分析、编码理论以及其他需要多项式拟合和插值的领域。范德蒙行列式的一个重要应用是在拉格朗日插值法中,它可以用来确定插值多项式的系数。,范德蒙行列式可以帮助我们确认存在这样一个多项式,并且该多项式是唯一的,只要所有的。,那么行列式的值将为零,因为会有两行完全相同,使得行列式退化。这个公式表明范德蒙行列式的值是所有变量对。原创 2024-02-28 09:18:39 · 1903 阅读 · 0 评论 -
共轭转置概念
共轭转置在线性代数、量子力学(在波函数的内积计算中)以及信号处理等领域中非常重要。例如,在线性代数中,一个矩阵被称为正规的,如果它与自己的共轭转置可交换;它被称为Hermitian或自伴的,如果它与自己的共轭转置相等。共轭转置(Conjugate transpose),也称为埃尔米特转置(Hermitian transpose),是针对复数矩阵的操作。原创 2024-02-28 09:17:37 · 2401 阅读 · 0 评论 -
picard迭代
请注意,这个代码实际上不是计算真正的Picard迭代序列,而是在每一步中使用了所有先前点上的当前近似值对积分进行评估。Picard迭代是对泛函序列的逐点极限的应用,用以证明在一定条件下的解的存在性和唯一性。Picard迭代尤其在理论上很有用,因为它提供了证明解的存在和唯一性的一种方法。当然,这是一个特殊情况,很多其他微分方程的解不会这么容易得到,但即使在这些情况下,Picard迭代也提供了一个强大的工具来得到解的近似表达式。每次迭代,我们根据前一次的解通过积分构造出下一次的解。这就给出了第一次迭代的结果。原创 2024-02-27 09:55:30 · 1595 阅读 · 0 评论 -
可分矩阵和k-拟可分矩阵
在最一般的意义上,一个矩阵AAA被认为是可分的,如果它可以表示为两个矩阵的乘积,其中一个是较低秩的矩阵,另一个是对角矩阵。AB⋅CAB⋅C这里,BBB是一个实数矩阵,其列向量拥有较低的线性独立度,而CCC是一个对角矩阵,通常包含缩放因子。在某些文献中,尤其是在讨论非负矩阵分解(NMF)时,可分矩阵可能指的是一个矩阵,其所有列都可以表示为一组基列的非负线性组合。原创 2024-02-26 23:06:25 · 1275 阅读 · 0 评论 -
动态系统(Dynamical Systems)
连续时间非线性系统dxdtfxtdtdxfxt其中x\mathbf{x}x是状态向量,ttt是时间,而函数f\mathbf{f}f是非线性函数。离散时间非线性系统xn1fxnxn1fxn在这里,xnxn表示第nnn时刻的状态向量,而函数f\mathbf{f}f表示非线性映射。非线性函数:系统的动态由非线性方程组决定,这意味着状态变量的关系可能是多项式的、指数的、对数的、三角的等等。敏感依赖于初始条件。原创 2024-02-25 16:37:14 · 1464 阅读 · 0 评论 -
莱布尼兹积分规则
Leibniz积分法则(Leibniz Integral Rule)也被称为积分的微分法则(Differentiation under the Integral Sign),它是数学中一个用来交换微分运算和积分运算顺序的方法。Leibniz积分法则在物理学、工程学和数学中很有用,因为它能够处理变化的积分界限以及积分内部的变化因素。这个法则表明,积分的导数可以由两个部分组成:一个是积分区间内部的函数。的具体值,你可能需要使用数值积分的方法来计算这个新的积分,因为。的新积分,以及一个代入了积分上限的附加项。原创 2024-02-25 14:43:52 · 1535 阅读 · 0 评论 -
正交多项式
勒让德多项式可以通过多种方法定义,包括罗德里格斯公式(Rodrigues’ formula)、递推关系、正交性质等。Pnx12nn!1dxndnx2−1n这里,PnxP_n(x)Pnx表示第nnn阶的勒让德多项式,nnn是非负整数。拉盖尔多项式可以通过罗德里格斯公式给出,对于非负整数nnn,第nnn阶拉盖尔多项式LnxL_n(x)LnxL。原创 2024-02-25 14:07:07 · 1516 阅读 · 0 评论 -
离散正交变换
离散傅立叶变换将一个长度为NNN的复数序列xnx(n)xn变换到另一个同样长度为NNN的复数序列XkX(k)Xk。Xk∑n0N−1xn⋅e−j2πNknk012N−1Xk∑n0N−1xn⋅e−jN2πknk012...N−1其中,xnx(n)xn是原始序列的第nnn个样本,XkX(k)Xk是变换后序列的第kkk个样本,nnn是时域索引,kk。原创 2024-02-25 12:24:49 · 848 阅读 · 0 评论 -
多项式函数逼近
希尔伯特空间是一个完备的内积空间,这意味着你可以使用内积来定义距离和角度。在函数逼近的上下文中,你通常会使用L2L^2L2空间,它是所有平方可积函数的集合。在这样的空间里,两个函数fff和ggg⟨fg⟩∫abfxgxdμx⟨fg⟩∫abfxgxdμx这里的dμxd\mu(x)dμx是概率测度,决定了在积分过程中各点的权重。原创 2024-02-24 12:54:42 · 1396 阅读 · 0 评论 -
概率测度、希尔伯特空间和正交多项式基
概率测度是一个函数PPPF→01F→([01,它将σ-代数中的每个事件EEE映射到一个实数,表示该事件的概率。非负性:对于任何事件EEEPE≥0P(E) \ge 0PE≥0。归一性:对于整个样本空间Ω\OmegaΩ,有PΩ1PΩ1。可数可加性:对于任何两个互斥事件(即它们没有共同结果的事件)的可数序列E1E2E3E1E2E3...,有P⋃i1∞Ei∑i1∞PEiP⋃i1∞。原创 2024-02-24 11:45:31 · 1416 阅读 · 0 评论