注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 矩阵变量的矩阵值函数的导数.pdf

  2. ：利用矩阵的Kronecker积．对矩阵变量给出了矩阵微分算子．任一矩阵值函数关于矩阵变量 的导数定义为矩阵微分算子与矩阵值函数的右Kroneeker积，从而通常的一元函数的导数、多元 函数的偏导数、梯度等概念都可作为其特殊情形．文中得出了矩阵微分算子的三条基本性质并由 此建立了函数矩阵的导数、数量函数对矩阵变量的导数及矩阵值函数对矩阵变量的导数之间的联 系．作为Kroneeker积的另一应用，文中得出了矩阵方程A = 有非零解矩阵的充分条件是；当 ， ， ⋯ ． 是 阶矩阵A与 的全部互异特

  3. 所属分类：专业指导

    • 发布日期：2010-03-10
    • 文件大小：89kb
    • 提供者：loop111

  1. 求多元函数二阶偏导数的矩阵方法.pdf

  2. 多元函数求偏导问题是多元函数微分学中的一项重点和难点内容。在求解这类题目时, 既要严 格区分自变量与中间变量, 而且要注意不能丢掉偏导函数作为复合函数时的偏导数

  3. 所属分类：专业指导

    • 发布日期：2010-03-10
    • 文件大小：212kb
    • 提供者：loop111

  1. MATLAB常用算法

  2. 各种数学算法的MATLAB实现 第4章： 插值 函数名 功能 Language 求已知数据点的拉格朗日插值多项式 Atken 求已知数据点的艾特肯插值多项式 Newton 求已知数据点的均差形式的牛顿插值多项式 Newtonforward 求已知数据点的前向牛顿差分插值多项式 Newtonback 求已知数据点的后向牛顿差分插值多项式 Gauss 求已知数据点的高斯插值多项式 Hermite 求已知数据点的埃尔米特插值多项式 SubHermite 求已知数据点的分段三次埃尔米特插值多项式及其插

  3. 所属分类：其它

    • 发布日期：2010-04-05
    • 文件大小：129kb
    • 提供者：soarlow

  1. MATLAB7.0教程

  2. 本书结合科学研究和工程中的实际需要,系统地介绍了数学软件MATLAB 7.0的基本功能,包括数值计算功能、符号运算功能和图形处理功能等，并在此基础上精心设计了丰富的实例。同时本书还介绍了MATLAB 7.0在科学计算中的一些应用。 目录 第1章 MATLAB 7.0简介 　1.1 MATLAB简介 　　1.1.1 MATLAB的初步知识 　　1.1.2 MATLAB的优点 　　1.1.3 MATLAB的缺点 　1.2 MATLAB 7.O的新特点 　1.3 获取MATLAB 7.O最新信息的途

  3. 所属分类：其它

    • 发布日期：2010-07-28
    • 文件大小：13mb
    • 提供者：wxx451876939

  1. 矩阵转置偏导数

  2. 矩阵转置偏导数，用于矩阵转置之后求偏导，对元素，对向量以及矩阵求偏导

  3. 所属分类：讲义

    • 发布日期：2015-05-05
    • 文件大小：276kb
    • 提供者：u013398569

  1. BP神经网络中求偏导的矩阵表示

  2. 本文推导了BP神经网络反向传播算法，并用矩阵进行表示，文章中先介绍矩阵偏导数的知识，再将其用到推导中。

  3. 所属分类：深度学习

    • 发布日期：2017-07-19
    • 文件大小：782kb
    • 提供者：a1zhao

  1. 机器学习-线性回归-正规方程组算法源码

  2. 正规方程组通过计算成本函数对每个θj的偏导数，求出偏导为零的点来成本函数的最小值。为了不必写大量的代数式和矩阵导数，让我们约定一些矩阵计算的符号

  3. 所属分类：机器学习

    • 发布日期：2018-01-19
    • 文件大小：1004byte
    • 提供者：qq_36378416

  1. 李亚普诺夫稳定性.pdf

  2. 经过解密后的李雅普诺夫文档，比较详细地介绍了李雅普诺夫稳定性李亚普诺夫稳定性 第 个轨迹都是渐近稳定的 (3)对所有的状态(状态空间中的所有点),如果由这些状态出发的轧迹都保持渐近稳 定性,则平衡状态x=0称为人范围渐近稳定。或者说,如果系统(41)的平衡状态x=0渐 近稳定的吸引域为整个状态空间,则称此吋系统的平衡状态x=0为大氾围渐近稳定的。显然, 大范围渐近稳定的必要条件是在整个状态空间中只有一个屮衡状态 在控制工程问题中,总希望系统具有大范围渐近稳定的特性。如果平衡状态不是大范围渐近 稳

  3. 所属分类：讲义

    • 发布日期：2019-09-03
    • 文件大小：626kb
    • 提供者：weixin_45595178

  1. 机器学习中的最优化算法总结

  2. 机器学习中的最优化算法总结下图给出了这些算法的分类与它们之间的关系: 接下来我们将按照这张图来展开进行讲解。 费马定理 对于一个可导函数,寻找其极值的统一做法是寻找导数为0的点,即费马定理。微积分中的 这一定理指出,对于可导函数,在极值点处导数必定为0: 对于多元函数,则是梯度为0 导数为0的点称为驻点。需要注意的是,导数为0只是函数取得极值的必要条件而不是充分条 件,它只是疑似极值点。是不是极值,是极大值还是极小值,还需要看更高阶导数。对于 元函数,假设x是驻点 如果 (x)>0,则在该

  3. 所属分类：机器学习

    • 发布日期：2019-07-02
    • 文件大小：557kb
    • 提供者：abacaba

  1. 偏微分方程数值解的matlab实现.pdf

  2. 偏微分方程数值解的MATLAB实现，提供了求解一维偏微分方程的函数和求解二维偏微分方程的工具箱14.13求解一维偏微分方程 下面结合一个简单的实例介绍一维PDE的求解。 【例14-1】求解下面的PDE问题。 式中,0≤x≤1,t≥0。1=0时,解满足初始条件: x, 0)=sin x=0和x=1时,解满足下面的边界条件: a(0,)=0 re-+--(,)=0 按照下面的步骤求解此方程 1.重写PDE 按照方程(14-1)的形式重写PDE,即 a(oou x +0 at 参数m=0,项《,《个一

  3. 所属分类：讲义

    • 发布日期：2019-06-29
    • 文件大小：11mb
    • 提供者：chungking_d

  1. 高斯分布参数的极大似然估计，EM算法

  2. 哈工大研究生课程讲义高斯分布参数的极大似然估计，EM算法高斯混合模型算法的迭代公式推导 我们首先来推导般混合密度模型参数估计的算法达代公式,然后再将般的混合 密度模型具体化为髙斯混合模型。 混合密度模型 假设样本集={x1,…,x}中的样本相互独立,并且按照如下的过程产生: 样木是依据桃率由个分布中的一个产生的,分布的概率密度数为(x0), 1,,,0为分布的参数 由第个分布产生样本的先验概率为a 先验概率a=(a1…,a),以及分布的参数日,…,0均未知。 我们称样本集来自于一个混合密度模型,

  3. 所属分类：讲义

    • 发布日期：2019-03-03
    • 文件大小：209kb
    • 提供者：qq_27328663

  1. 强跟踪有限微分扩展卡尔曼滤波算法在异步电机中的应用

  2. 针对异步电机直接转矩控制低速转矩脉动大的问题,提出了一种自适应强跟踪有限微分扩展卡尔曼滤波算法(STFDEKF)。该算法采用多项式近似技术和一阶中心差分法计算非线性函数的偏导数,它具有二阶非线性近似的能力;同时引入强跟踪因子来修改状态的先验协方差矩阵。文中将STFDEKF算法扩展至感应电机参数辨识,设计了针对非线性系统的STFDEKF滤波器;同时对五个电机变量进行观测,并将观测到的转速信息引入至感应电机控制系统,组成无速度传感器控制闭环。仿真结果表明,STFDEKF算法相比扩展卡尔曼算法(EKF

  3. 所属分类：其它

    • 发布日期：2020-06-20
    • 文件大小：374kb
    • 提供者：weixin_38747126

  1. 人工智能。大数据与复杂系统课件.zip

  2. 课程大纲 01-复杂系统 02-大数据与机器学习 03-人工智能的三个阶段 04-高等数学—元素和极限 05-复杂网络经济学应用 06-机器学习与监督算法 07-阿尔法狗与强化学习算法 08-高等数学—两个重要的极限定理 09-高等数学—导数 10-贝叶斯理论 11-高等数学—泰勒展开 12-高等数学—偏导数 13-高等数学—积分 14-高等数学—正态分布 15-朴素贝叶斯和最大似然估计 16-线 17-数据科学和统计学（上） 18-线代数—矩阵、等价类和行列式 19-Python基础课程（上）

  3. 所属分类：互联网

    • 发布日期：2020-08-05
    • 文件大小：72mb
    • 提供者：qq_45832050

  1. CNN-Numpy-Implementation：手动实现卷积神经网络，而无需使用诸如pytorch和tensorflow之类的现代库-源码

  2. CNN-Numpy-实施 手动实现卷积神经网络，而无需使用诸如pytorch和tensorflow之类的现代库。 换句话说，我从头开始构建了一个神经网络，其中涉及实现正向和反向传播。 我手动编写了反向传播代码，并使用numpy手动实现了每一层的偏导数。 我在这里使用的方程式示例可以在这里找到。 E.Bendersky（2016年10月28日）。 Softmax函数及其导数。 取自 我最完善，最成功的网络是跟踪多个功能的多元回归CNN。 它可以正确确定两个图像之间的形状数量差异以及是否存在反射

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：307mb
    • 提供者：weixin_42099936

  1. findiff：Python软件包，用于任意维的数值导数和偏微分方程-源码

  2. 芬迪夫 一个Python软件包，用于任意维的有限差分数值导数和偏微分方程。 特征 沿任意轴以任何所需的精度顺序区分任意数量的维数组 网格边界的精确处理 包括来自矢量演算的标准运算符，例如梯度，发散和卷曲 可以处理均匀和非均匀网格 可以处理具有常数和可变系数的导数的任意线性组合 完全矢量化的速度 计算均匀和不均匀网格的任意阶次和精度的原始有限差分系数 版本0.7中的新功能：生成任意线性微分算子的矩阵表示 版本0.8中的新功能：使用Dirichlet或Neumann边界条件求解偏微分方程 安装 p

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：355kb
    • 提供者：weixin_42133753

  1. holbertonschool-machine_learning-源码

  2. 机器学习 机器学习模块，在进行软件工程研究时。 技术领域 脚本使用Python 3.5编写 NumPy 1.15版 SciPy 1.3版 Matplotlib 3.0版 专案 以下所有文件夹都是研究期间完成的项目： 项目名 描述 math/0x00-linear_algebra 它旨在学习向量，矩阵，转置，点积，matriz乘法和NumPy math/0x01-plotting 它旨在了解绘图，散点图，线图，条形图，直方图和matplotlib math/0x02-calculus

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：284kb
    • 提供者：weixin_42099987

  1. OpenFOAM-v1812-AD：在正向和反向模式下自动区分OpenFOAM源代码-源码

  2. OpenFOAM-v1812-AD 该存储库包含OpenFOAM-v1812源代码，这些源代码通过正向和反向模式下的自动区分（AD）来区分。 安装 OpenFOAM-v1812-AD的安装与OpenFOAM-v1812的安装类似。 需要首先安装所有必备组件，获取OpenFOAM-v1812-AD / etc / bashrc文件的源，然后运行./Allwmake 。 默认构建将用于正向模式AD。 编译反向模式AD，改变WM_CODI_AD_MODE到CODI_AD_REVERSE在OpenF

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：86mb
    • 提供者：weixin_42127754

  1. Learn-tensorflow-sharp：TensorflowSharp辅导老师和示例-源码

  2. TensorflowSharp教程 Tensorflow是一个人工智能框架。TensorflowSharp是对Tensorflow C语言版接口的封装，可以.net开发人员在项目中使用Tensorflow。 目录 ：TensorflowSharp入门。 ：占位符的使用。 ：变量的使用。 ：变量的初始化。 ：矩阵相加，数乘，矩阵相乘。 ：线性回归。 ：手写数字识别。 ：张量的使用。 ：产生序列，正态分布随机数和随机位置。 ：计算倾斜度（偏导数）。 ：Reduc

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：99kb
    • 提供者：weixin_42128676

  1. 基于拉普拉斯本征函数的Woofer-Tweeter自适应光学系统解耦控制算法

  2. 为了实现对Woofer-Tweeter双变形镜自适应光学系统的解耦控制, 提出了一种基于拉普拉斯本征函数的解耦控制算法。通过求解不同齐次Neumann边界条件下的拉普拉斯本征方程, 获得不同光瞳区域下自身和一阶偏导数均正交的拉普拉斯本征函数。利用不同光瞳区域下的拉普拉斯本征函数, 实现了对不同光瞳区域下Woofer-Tweeter双变形镜自适应光学系统的解耦控制。此外, 拉普拉斯本征函数的一阶偏导数具备正交性, 这使得在构建Tweeter耦合抑制矩阵时无需对Tweeter驱动器响应函数面形进行逐

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：11mb
    • 提供者：weixin_38678300

  1. 梯度下降算法和牛顿算法原理以及使用python用梯度下降和最小二乘算法求回归系数

  2. 梯度下降算法 以下内容参考 微信公众号 AI学习与实践平台 SIGAI 导度和梯度的问题 因为我们做的是多元函数的极值求解问题，所以我们直接讨论多元函数。多元函数的梯度定义为： 其中称为梯度算子，它作用于一个多元函数，得到一个向量。下面是计算函数梯度的一个例子 可导函数在某一点处取得极值的必要条件是梯度为0，梯度为0的点称为函数的驻点，这是疑似极值点。需要注意的是，梯度为0只是函数取极值的必要条件而不是充分条件，即梯度为0的点可能不是极值点。 至于是极大值还是极小值，要看二阶导数/Hess

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：340kb
    • 提供者：weixin_38674616
« 12 »