梦什-CSDN博客

偏微分方程简明教程答案第三章分离变量法习题3.23.2.1第三章分离变量法习题3.23.2.11、求弦振动方程utt−a2uxx=0,0<x<l,t>0u_{tt}-a^2u_{xx}=0,\quad 0 < x <l,\quad t>0utt−a2uxx=0,0<x<l,t>0满足以下定解条件的解：(1){u∣t=0=sin32lπx,ut∣t=0=sin52lπx,0≤x≤l,u∣x=0=ux∣x=l=0,t≥0;(1)\lef

2022-05-30 10:38:10 1790

原创朱长江《偏微分方程简明教程》答案第二章部分

第二章的部分习题答案，基本都是基础知识点的习题

2022-05-24 17:33:37 2875 4

原创朱长江《偏微分方程简明教程》答案第一章部分

偏微分方程简明教程第一章习题1.1第一章习题1.11、指出下列方程的阶，并判断它是线性的还是非线性的。如果是线性的，说明它还是其次的：（1）ut−(uxx+uyy)+1=0；（2）ut−uxx+xu=0；（3）ut−uxxt+uux=0；（4）ux2+uuy=0；（5）utt−uxx+t2+x2=0；（6）ux+eyuy=0；（7）ut+uxxxx+1+u=0；（8）ux(1+ux2)−12+uy(1+uy2)−12=0；（9）∂4u∂x4+2∂4u∂x2∂y2+∂4u∂y4=0；（10）∂3u∂x

2022-05-02 09:39:30 5437 4

原创数据预处理

数据预处理

2022-04-18 11:08:25 2515

原创推荐系统介绍

推荐系统近几年互联网信息量呈现几何式增长，用户容易很迷失在海量信息中。虽然可以使用层次分类（分类目录）或者是搜索引擎等方法解决这类信息过载问题，但是层次分类需要手工对信息进行分类，并随着数据量增加层级逐渐增多，不便于用户浏览；而搜索引擎需要用户自己输入关键词，自行选择结果，这要求用户已明确知道要查找的内容，并且具有核心词的抽象能力，如果对结果不满意需要调整关键词重新搜索。推荐系统根据用户的浏览记录、社交网络等信息进行个性化的计算，发现用户的兴趣，并应用推荐算法最终达到“千人千面”个性化推荐的效果。我们

2022-04-04 10:33:03 1382

原创【高维数据降维】拉普拉斯特征映射LE

高维数据降维之拉普拉斯特征映射 LE高维数据降维是指采用某种映射方法，降低随机变量的数量，例如将数据点从高维空间映射到低维空间中，从而实现维度减少。降维分为：特征选择和特征提取特征选择：是从含有冗余信息以及噪声信息的数据中找出主要变量；特征提取：是去掉原来的数据，生成新的变量，可以寻找数据内部的本质结构特征。降维的过程是通过对输入的原始数据特征进行学习，得到一个映射函数，实现将输入样本映射后到低维空间中之后，原始数据特征并没有明显的损失，通常情况下新空间的维度要小于原空间的维度。目前大部分降维

2022-04-03 08:04:08 1187

原创【高维数据降维】局部线性嵌入LLE

高维数据降维之局部线性嵌入 LLE高维数据降维是指采用某种映射方法，降低随机变量的数量，例如将数据点从高维空间映射到低维空间中，从而实现维度减少。降维分为：特征选择和特征提取特征选择：是从含有冗余信息以及噪声信息的数据中找出主要变量；特征提取：是去掉原来的数据，生成新的变量，可以寻找数据内部的本质结构特征。降维的过程是通过对输入的原始数据特征进行学习，得到一个映射函数，实现将输入样本映射后到低维空间中之后，原始数据特征并没有明显的损失，通常情况下新空间的维度要小于原空间的维度。目前大部分降维算

2022-04-02 10:19:01 932

空空如也

空空如也