122&&113的博客

如何做研究? 如何写论文？

论文的英文题目、中文题目，作者；摘要翻译论文的提出，也就是写作目的，作者要解决什么问题？解决问题的方法（详细介绍）论文的创新在什么地方？方法的效果和局限性？你的启发。...

公式1：w1∗=∑iyi(xi−1n∑ixi)∑ixi2−1n(∑ixi)2w_1^*=\frac{\sum_i y_i(x_i-\frac{1}{n}\sum_i x_i)}{\sum_i x_i^2-\frac{1}{n}(\sum_ix_i)^2}w1∗​=∑i​xi2​−n1​(∑i​xi​)2∑i​yi​(xi​−n1​∑i​xi​)​推导上式，给定以下条件：{w0∗=(1n∑iyi)−w1∗(1n∑ixi)w1∗=−∑ixi(w0∗−yi)/∑ixi2\begin{cases}w_

关键绩效指标法(KPI)应用：企业管理领域：绩效考核理论基础：二八原理作用：用于衡量工作人员工作绩效表现的量化指标关键绩效指标（KPI：Key Performance Indicator）是通过对组织内部流程的输入端、输出端的关键参数进行设置、取样、计算、分析，衡量流程绩效的一种目标式量化管理指标，是把企业的战略目标分解为可操作的工作目标的工具，是企业绩效管理的基础。KPI可以是部门主管明确部门的主要责任，并以此为基础，明确部门人员的业绩衡量指标。建立明确的切实可行的KPI体系，是做好绩效管理

原博文：minfanphd任务计划第81天：数据集读取与存储第81天：数据集读取与存储使用了ArrayList，该类对于数据操作比较方便，但会稍微影响效率。对读入的数据进行处理，通过字符分割切分数据。主要作用就是数据集的读取和存储，主要完成的编码就是对数据文件的处理，格式化，存储。package MachineLearning.cnn;import java.io.BufferedReader;import java.io.File;import java.io.FileRead

原文链接： 数学表达式: 从恐惧到单挑 (1. 概述)描述你在学习、使用数学表达式时的困难, 可举例说明.对于数学表达式用latex表达时，还不是太熟练，因此在表达某些式子时可能会产生一些细节上的错误，而这些错误往往是我们这种初次使用者难以发现的，比如今天所讲的圆括号的区别，我之前都是直接使用圆括号 ( ，并未使用过 \left(，区别如下：(∭EV dx dy dz)(\iiint_{E}^{V} \, dx\,dy\,dz)(∭EV​dxdydz)(∭EV dx dy dz)\left(\i

原博文：minfanphd任务计划第71天：BP神经网络基础类 (数据读取与基本结构)第71天：BP神经网络基础类 (数据读取与基本结构)以下资料来自于 《神经网络与深度学习》-邱锡鹏 一书每一层的神经元可以接收前一层神经元的信号，并产生信号输出到下一层。第0 层称为输入层，最后一层称为输出层，其他中间层称为隐藏层。z(l)=W(l)a(l−1)+b(l),\begin{aligned}z^{(l)} = W^{(l)}a^{(l-1)}+b^{(l)},\end{aligned}

文献名称基于遗传算法的BP神经网络油田产量预测模型研究基于遗传算法的BP神经网络油田产量预测模型研究摘要：在该文献中将遗传算法与BP神经网络方法进行结合，建立了油田产量预测模型。原因：只依靠BP神经网络方法进行预测，当高维曲面上存在多个极小值时，十分容易陷入局部最小值而遗传算法具有全局寻优的特性，利用遗传算法对神经网络的阀值与权重自主学习并进行控制调整。通过初始种群的选择、交叉、变异，构建出新的解，在目前已有的所有解中选取表现较好的个体组成新的种群，然后继续上面的过程，最后筛选出全局最优解。引

贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类贝叶斯定理：P(B∣A)=P(A∣B)P(B)P(A)P(B|A) = \frac{P(A|B)P(B)}{P(A)}P(B∣A)=P(A)P(A∣B)P(B)​P(A∣B)P(A|B)P(A∣B)表示在B事件已经发生的情况下A事件发生的概率，称为条件概率，P(A∣B)=P(AB)P(B)P(A|B)=\frac{P(AB)}{P(B)}P(A∣B)=P(B)P(AB)​。朴素贝叶斯思想：对于给出的待分类项，求出在此.

原博文：minfanphd任务计划第61天：决策树 (1. 准备工作)第61天：决策树 (1. 准备工作)决策树是最经典的机器学习算法. 其实我不想在后面加上"之一". 它有非常好的可解释性.数据仅有一份. 分裂后的数据子集仅需要保存 availableInstances 和 availableAttributes 两个数组.两个构造方法, 一个读入文件获得根节点, 另一个建立根据数据分裂的获得.判断数据集是否纯, 即所有的类标签是否相同, 如果是就不用分裂了.每个节点 (包括非叶节点) 都

文献名称Data-Driven End-To-End Production Prediction of Oil Reservoirs by EnKF-Enhanced Recurrent Neural Networks摘要：Data-Driven End-To-End Production Prediction of Oil Reservoirs by EnKF-Enhanced Recurrent Neural Networks摘要：

原博文：minfanphd任务计划第51天：kNN 分类器第51天：kNN 分类器什么是kNN?邻近算法，或者说K最近邻（KNN，K-NearestNeighbor）分类算法是数据挖掘分类技术中最简单的方法之一。所谓K最近邻，就是K个最近的邻居的意思，说的是每个样本都可以用它最接近的K个邻近值来代表。近邻算法就是将数据集合中每一个记录进行分类的方法。什么是weka？weka - 百度百科在weka.jar中，Instances是什么？Instances对象实例化后，就存储了所有数据，

将产量预测问题按不同粒度去建模1. 按时长划分1.1 长期预测1.2 中期预测1.3 短期预测2. 按区域划分2.1 油田2.2 井组2.3 单井以单井为单位进行分析.不过这里是否可以结合时长的粒度来进行预测？输入: 单井的产量下降趋势，斜率？输出: 单井接下来的产量....

产量预测：产量预测有助于系统监测、油井优化策略规划和储量估算目前产量预测的方法：传统技术： DCA（递减曲线）：利用以往生产数据监测和预测油气井动态的有效工具。很多文献中都提及到了这个方法，其中一篇提到如果操作约束是恒定的，比如调节流量的节流阀尺寸，那么递减曲线分析可以有效地工作，如果油井的生产被隔离以执行任何井作业，那么它将会导致错误。这就和之前师兄讨论的内容相贴近，当人为的一些因素对数据产生影响时如何去保证预测的准确性，在人工智能中又如何去避免或者应对这种情况呢？还是说将数据理想化？前沿技术：