https://www.zhihu.com/question/56688854/answer/463698542 cnn框架：卷积层（卷积+非线性激活）+池化层+全连接层+分类层。其中，卷积层、池化层、分类层其实都不在意图像大小，但是全连接层有问题。 当然，除了卷积层外，还可以用别的层替换全连接层。 ...
分类：
其他好文 时间：
2021-03-16 14:08:52
阅读次数：
0
和线性常微分方程组参数拟合类似，我们要用差分代替微分，然后进行插值处理，然后构造最小化函数。 最后用最优化方法处理该函数即可。 这里举个例子，先随便设一个非线性微分方程组，并给定初值： 然后定义最小化函数： 最后用之前介绍的非线性最优化方法解决。 matlab代码如下： clear all;clos ...
分类：
其他好文 时间：
2021-02-15 12:20:32
阅读次数：
0
第一次接触树,通过学习整理了一下内容: 基本概念 定义:树形结构是一种非线性结构，它的特点是:每个结点最多只有一个前驱，但可以有多个后继。 如图我们可以做以下解释 双亲和孩子 : 若a是b的前驱，则称a是b的双亲，b是a的孩子。 兄弟: 若b和c有共同的前驱，则称b和c互为兄弟。 分支结点和终端结点 ...
分类：
其他好文 时间：
2021-02-09 11:52:57
阅读次数：
0
NOTE： 逻辑结构（数据之间的关系）分类划分方式一：线性，非线性划分方式二：集合，线性，树，图 存储结构（数据与计算机内存的关系）分类 抽象数据类型（ADT）：从具体问题抽象出来的数据模型和一组操作ADT三元组（D,S,P）D：数据对象S：D上的关系集P：对D的基本操作格式：ADT 抽象数据类型名 ...
分类：
其他好文 时间：
2021-02-08 12:26:43
阅读次数：
0
模型误差 模型误差 = 偏差(Bias) + 方差(Variance) + 不可避免的误差 偏差方差权衡 Bias Variance Trade off 偏差 (Bias) 导致偏差的主要原因：对问题本身的假设不正确! 如：非线性数据 使用线性回归 欠拟合 方差(Variance) 数据的一点点扰动 ...
分类：
其他好文 时间：
2021-02-04 12:25:17
阅读次数：
0
原文链接：http://tecdat.cn/?p=18700 前言 本文说明了R语言中实现分布滞后线性和非线性模型（DLM和DLNM）的建模。首先，本文描述了除时间序列数据之外的DLM / DLNM的一般化方法，在Gasparrini [2014]中有更详细的描述。本文中包含的结果并不代表科学发现， ...
分类：
编程语言 时间：
2021-01-06 11:42:52
阅读次数：
0
摘要：郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ Abstract Q学习是一种技术，用于基于对使用非最优策略控制的系统的观察来计算受控马尔可夫链的最优策略。事实证明，它对于具有有限状态和动作空间的模型有效。本文建立了具有通用状态空间和通用动作空间的连续时间模型的Q学习与非线性控制 ...
分类：
其他好文 时间：
2021-01-01 12:54:56
阅读次数：
0
基本的神经网络的知识（一般化模型、前向计算、反向传播及其本质、激活函数等）小夕已经介绍完毕，本文先讲一下深度前馈网络的BP过程，再基于此来重点讲解在前馈网络中用来初始化model参数的Xavier方法的原理。前向过程很简单，每一层与下一层的连接边(即参数)构成了一个矩阵(即线性映射)，每一层的神经元构成一个激活函数阵列（即非线性映射），信号便从输入层开始反复的重复这两个过程直到输出层，也就是已经在
分类：
其他好文 时间：
2020-12-29 11:49:23
阅读次数：
0
标签 稳定排序、非原地排序、比较排序 基本思想 归并排序属于比较类非线性时间排序，号称比较类排序中性能最佳者，在数据中应用中较广。 归并排序是分治法（Divide and Conquer）的一个典型的应用。将已有序的子序列合并，得到完全有序的序列；即先使每个子序列有序，再使子序列段间有序。若将两个有 ...
分类：
编程语言 时间：
2020-12-14 13:39:09
阅读次数：
5
通俗理解激活函数的另一种解释激活函数其中一个重要的作用是加入非线性因素的，解决线性模型所不能解决的问题。这个解释形象的解释神经网络激活函数的作用是什么？这篇文章已经解释的比较清楚。下面从另一个角度来解释一下激活函数的作用，特征的充分组合。首先我们看一个简单的感知机如下：其中x1,x2输入均为特征的输入激活函数采取sigmoid函数,公式表达如下：此时，我们可能看不出什么不同，但是根据泰勒展开，我们
分类：
其他好文 时间：
2020-11-27 11:26:45
阅读次数：
6
