![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
数学
wrq147
通用深度学习模型的优化方法就是将大目标转小目标,大目标与小目标做对抗
展开
-
人工神经网络
最近看了些人工神经网络的书,觉得要整理下思路,于是就有了下文。一、神经元的传播: 神经细胞通过把各个输入值跟它们的权重值相乘,这个权重值可以是正,也可以是负,正的话就有激发作用,负的话有抑制作用;然后把它们经过权重调整的值加起来,总和就为此细胞的激励值;最后把这个激励值依激励函数调整一下就得出了输出值;这个激励函数是用来使激励值转为可用的输出值。以下是两个常用的激励函数:阶跃函原创 2009-09-11 23:00:00 · 1003 阅读 · 0 评论 -
关于vector
我们在编程的时候经常要使用到一种数据结构,它的特点是(1) 可以像数组一样使用索引来进行存取;(2) 但是它不像数组一样受大小的限制;这种数据结构就是vector(容器),具体它的实现,实际上它是一种可变大小的数组。我们看下它的流程图:一种简单的实现方法就是当容器的大小超过数组的容量时就删除这个数组,重新建一个更大的数组。复杂的方法(个人想的原创 2009-12-13 18:53:00 · 596 阅读 · 0 评论 -
线性和非线性
线性的可以认为是1次曲线,比如y=ax+b ,即成一条直线,非线性的可以认为是2次以上的曲线,比如y=ax^2+bx+c (x^2是x的2次方),即不为直线的即可 。两个变量之间的关系是一次函数关系的——图象是直线,这样的两个变量之间的关系就是“线性关系”;如果不是一次函数关系的——图象不是直线,就是“非线性关系。“线性”与“非线性”,常用于区别函数y = f (x)对转载 2010-03-03 09:18:00 · 664 阅读 · 0 评论 -
正交矩阵
n阶实矩阵 A称为正交矩阵,如果:A×A′=I则下列诸条件是等价的:1) A 是正交矩阵2) A×A′=I 为单位矩阵3) A′是正交矩阵4) A的各行是单位向量且两两正交5) A的各列是单位向量且两两正交6) (Ax,Ay)=(x,y) x,y∈R 举例:A=[r11 r12 r13;r21 r22 r23;r31 r32 r33]则有:r11^2+r12^2+r13^2=r21^2+r22^2原创 2010-03-14 16:15:00 · 1099 阅读 · 0 评论 -
矢量叉积
1、P(x1,y1),Q(x2,y2)的叉积为:P×Q=(x1*y2-x2*y1);如果结果>0则P在Q的顺时针方向如果结果等于则共线判断一点是否在三角形内int IsInTriangle(int x1,int y1,int x2,int y2,int x3,int y3,int pedx,int pedy){int sz1,sz2,sz3;sz1=(x2-x1)*(pedy-y1)-(pedx-原创 2010-03-14 16:16:00 · 2468 阅读 · 0 评论 -
圆运动和椭圆运动公式
<br />圆运动公式:<br />x = centerX +sin(angle) * R;<br />y = centerY + cos(angle) * R;<br />椭圆运动公式:<br />x = centerX + sin(angle) * RX;<br />y = centerY + cos(angle) * RY;原创 2010-07-04 23:53:00 · 5343 阅读 · 0 评论 -
关于把原范围内的值转换成指定范围内的值
<br />有时候我们会想把原范围内的一组数据转成指定范围内的数据。<br />如:C里面的rand()函数,一般它得到的值范围是0~RAND_MAX,<br />但如果我们想把它的范围定在0~100要怎么办了。<br />这时我们就要使用以下的公式了:<br />((输入值-原最小值)/(float)(原最大值-原最小值))*(现最大值-现最小值)+现最小值<br /> <br />上面的解就是:rand()/RAND_MAX*100原创 2010-10-15 18:18:00 · 1657 阅读 · 0 评论 -
Hermite曲线公式
该曲线的具体求法也是通过四个控制点,不过通过前面两个控制点确定了起点切线,通过后面两个控制点确定了终点切线,最终通过起点、起点切线、终点切线、终点四个量来确定一条三次Hermite曲线。转化到三次Hermite曲线的转化过程如下:t的值是介于0与1之间转载 2013-05-28 23:22:51 · 4362 阅读 · 0 评论