码迷,mamicode.com
首页 >  
搜索关键字:非线性方程    ( 43个结果
一阶非线性常微分方程解的存在性定理—Picard-Lindelof定理
上一节简单介绍了可求解的一阶常微分方程的解法,因为大部分非线性方程是不可解的,所以需要给出解的存在性的证明。本节主要介绍一阶非线性常微分方程Cauchy问题$$(E)\,\,\,\,\,\frac{dy}{dx}=f(x,y),\,\,\,\,\,y(x_{0})=y_{0}.$$解的存在性定理Pi ...
分类:其他好文   时间:2018-08-30 23:32:23    阅读次数:315
常用数字信号的产生(C实现)-ARMA模型数据生成
ARMA模型属于信号现代谱估计的范畴,AR模型常用于信号的线性预测。AR模型最后归结为线性方程,MA最后为非线性方程,因此,AR模型使用较多。 AR模型最后归结为解Yule-Walker方程,对应矩阵为Toeplitz矩阵,存在Levinson快速算法,这将在后面介绍,这里介绍使用C编写的ARMA模 ...
分类:其他好文   时间:2018-06-27 23:58:35    阅读次数:291
scipy 矩阵简单运用
首先在win系统下可以直接用 pip insert scipy 但在 Linux的系统下用 sudo apt-get install python-scipy 安装之后下面就是简单的介绍 #求解非线性方程组2x1-x2^2=1,x1^2-x2=2from scipy.optimize import ...
分类:其他好文   时间:2018-06-22 22:42:38    阅读次数:173
Coursera机器学习week7 笔记
Support Vector Machines(支持向量机) Optimization objective 与逻辑回归和神经网络相比,支持向量机,或者简称 SVM。在学习复杂的非线性方程时提供了一种更为清晰,更加强大的方式。 这是逻辑回归里的,右边是S型激励函数,我们用z表示θTx 但y = 1 和 ...
分类:其他好文   时间:2018-02-10 00:05:44    阅读次数:237
1.4激活函数-带隐层的神经网络tf实战
激活函数 激活函数 日常不能用线性方程所概括的东西 左图是线性方程,右图是非线性方程 当男生增加到一定程度的时候,喜欢女生的数量不可能无限制增加,更加趋于平稳 在线性基础上套了一个激活函数,使得最后能得到输出结果 常用的三种激活函数: 取值不同时得到的结果也不同 常见激活函数图形 tensorflo ...
分类:其他好文   时间:2017-12-21 23:09:09    阅读次数:249
斯坦福2014机器学习笔记九----支持向量机
一、纲要 支持向量机基础及优化目标 支持向量机的直观理解 核函数 二、内容详述 1、支持向量机基础以及优化目标 支持向量机(Support Vector Machine)与逻辑回归和神经网络相比,在学习复杂的非线性方程时提供了一种更为清晰,更为强大的方式。这部分我们就从逻辑回归一点点修改来得到本质上 ...
分类:其他好文   时间:2017-11-05 12:11:51    阅读次数:225
数学建模的一些软件
1.LINGO 用途:求解线性和非线性优化问题 实例: (1)求解非线性方程组 (2)装配线平衡模型: 一条装配线含有一系列的工作站,在最终产品的加工过程中每个工作站执行一种或几种特定的任务。装配线周期是指所有工作站完成分配给它们各自的任务所化费时间中的最大值。平衡装配线的目标是为每个工作站分配加工 ...
分类:其他好文   时间:2017-11-02 22:07:28    阅读次数:181
支持向量基
强大的算法 广泛的应用于 工业界和学术界 它被称为支持向量机(Support Vector Machine) 与逻辑回归和神经网络相比 支持向量机 或者简称SVM 在学习复杂的非线性方程时 、 提供了一种更为清晰 更加强大的方式 Logistic回归的替代观点 J(θ)=-(yloghθ(x)+(1 ...
分类:其他好文   时间:2017-08-22 13:19:42    阅读次数:163
梯度下降和EM算法,kmeans的em推导
I. 牛顿迭代法给定一个复杂的非线性函数f(x),希望求它的最小值,我们一般可以这样做,假定它足够光滑,那么它的最小值也就是它的极小值点,满足f′(x0)=0,然后可以转化为求方程f′(x)=0的根了。非线性方程的根我们有个牛顿法,所以 然而,这种做法脱离了几何意义,不能让我们窥探到更多的秘密。我们 ...
分类:编程语言   时间:2017-08-02 19:05:04    阅读次数:469
43条   上一页 1 2 3 4 5 下一页
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!