01 2023 档案
摘要：借助于二分类来理解版本空间 版本空间(version space)是概念学习中与已知数据集一致的所有假设(hypothesis)的子集集合。 版本空间学习是机器学习的逻辑方法，特别是二分类（binary classification）。版本空间学习算法搜索预定空间的假设，被视为一组逻辑语句。 对于二
阅读全文
摘要：Loss函数 机器学习中的监督学习本质上是给定一系列训练样本(xi,yi)，尝试学习x→y的映射关系，使得给定一个x，即便这个x不在训练样本中，也能够输出y^，尽量与真实的y接近。损失函数是用来估量模型的输出y^与真实值y之间的差距，给模型的优化指引方向。模型的结构风险包括了经验风险和结构风险，损失
阅读全文
摘要：验证方法模拟：动态验证，常用，如今最主流的验证方法。仿真：类似模拟，但依赖于硬件。形式化验证：静态验证，用数学方法对模型的功能、功能、规范做检验。验证的完备性高，但实施困难。半形式化验证：形式化验证和前面结合。形式化验证分类按验证内容分类性质检验（property checking）：是否满足某些规
阅读全文
摘要：从特殊的训练样例中提取出一般的特征是机器学习的中心问题，这一问题被称为概念学习（concept learning)，或称从样例中逼近布尔值函数。定义： 概念学习是指从有关某个布尔函数的输入输出训练样例中推断出该布尔函数。 概念定义在一个实例（instance）集合之上，表示为X。 目标概念（targ
阅读全文
摘要：从特殊的训练样例中归纳出一般函数是机器学习的核心问题。一般函数是对理想目标函数的函数逼近（function approximation）。简而言之，从特殊到普通。与此对应的是演绎推理（deductive reasoning），就是从一般性的前提出发，通过推导（即“演绎”），得到具体的称述或个别结论的
阅读全文
摘要：SAT 求解器 在EDA的各个环节都有广泛应用，比如：逻辑综合、物理实现、中间验证、仿真测试。 电路的形式化验证方面，形式化验证工具主要有两类：模型检测工具和等价性验证工具。 模型检测工具主要用于证明一个电路是否满足某个属性，而等价性验证用来证明两个电路是否等价。 计算机解决问题的时候有两类思路：
阅读全文
摘要：1、命题：能判断真假的陈述句 为命题 2、命题公式：若在复合命题中，p\q\r等不仅可以代表命题常项，还可以代表命题变项，这样的复合命题形式称为命题公式 3、命题的赋值：A为命题公式，p,p,p,....p 为A中出现的所有命题变项，给p,p,p,...p 指定一组真值，称为对A的一个赋值或者解释。
阅读全文
摘要：什么是NP完全问题： 算法导论中这样描述NP完全问题：在多项式时间内可解的问题是易处理的问题，在超多项式时间内解决的问题是不易处理的问题。NP完全问题就是后者。通俗说就是：以难解著称的问题，比如旅行商问题和集合覆盖问题，人们普遍认为这些问题，不可能编写出可快速解决的算法。 旅行商问题： 一个旅行商要
阅读全文
摘要：1、问题阐述 某同学要从15 家商城中 选购20本书籍， 给出该同学最省钱的选购方案。小条件：如果在同一个书店的消费额不低于88元，那么这个书店包邮，即在这个书店买书不用出运费了。 PS:数据库 2、问题分析 这是一个经典的优化问题——书店买书。初看该题目，似乎是一个比较简单的规划问题。思路是很直接
阅读全文
摘要：P：一个问题可以在多项式（O(n^k)）的时间复杂度内解决 (计算机比较容易算出答案的问题.)NP：问题的解可以在多项式的时间内被验证 (已知答案以后计算机可以比较容易地验证答案的问题。)NPH：任意np问题都可以在多项式时间内归约为该问题，但该问题本身不一定是NP问题（给出一个答案，计算机可能验证
阅读全文
摘要：损失函数在深度学习领域是用来计算搭建模型预测的输出值和真实值之间的误差。具体实现过程：在一个批次（batch）前向传播完成后，得到预测值，然后损失函数计算出预测值和真实值之间的差值，反向传播去更新权值和偏置等参数，以降低差值，不断向真实值接近，最终得到效果良好的模型。常见的损失函数包括：MSE（均方
阅读全文
摘要：sigmod函数 def sigmoid(x): return 1 / (1 + np.exp(-x)) 阶跃函数 def step_function(x): if x > 0: return 1 else: return 0 ReLU（rectified）函数 def relu(x): retur
阅读全文
浙公网安备 33010602011771号