摘要：
zh.wikipedia.org/wiki/傅里叶级数 所谓的两个不同向量正交是指它们的内积为0，这也就意味着这两个向量之间没有任何相关性,例如，在三维欧氏空间中，互相垂直的向量之间是正交的。事实上，正交是垂直在数学上的一种抽象化和一般化。一组n个互相正交的向量必然是线性无关的，所以必然可以张成一个
阅读全文
posted @ 2017-09-17 21:37
papering
阅读(2998)
推荐(0)
摘要：
zh.wikipedia.org/wiki/傅里叶级数 In mathematics, a Fourier series (English: /ˈfʊəriˌeɪ/)[1] is a way to represent a function as the sum of simple sine wave
阅读全文
posted @ 2017-09-17 21:28
papering
阅读(2304)
推荐(0)
摘要：
http://web.stanford.edu/class/cs246/slides/dim-red.pdf http://web.mit.edu/be.400/www/SVD/Singular_Value_Decomposition.htmhttp://mathworld.wolfram.com/
阅读全文
posted @ 2017-09-16 20:02
papering
阅读(430)
推荐(0)
摘要：
【协方差矩阵在图像处理之特征脸处理中的应用】 【说】注意关键点在于“数据量的巨大，计算量的巨大”。【说】特征值起到了数据压缩、显示特征的作用。 一个标准化的面部图形的一个大型数据集合的协方差矩阵的特征向量称为特征脸。 https://zh.wikipedia.org/wiki/特征值和特征向量 在图
阅读全文
posted @ 2017-09-16 18:51
papering
阅读(1397)
推荐(0)
摘要：
zh.wikipedia.org/wiki/特征值和特征向量 计算矩阵的特征值和特征向量 假设我们想要计算给定矩阵的特征值。若矩阵很小，我们可以用特征多项式进行符号演算。但是，对于大型矩阵这通常是不可行的，在那种情况我们必须采用数值方法。
阅读全文
posted @ 2017-09-16 18:13
papering
阅读(1559)
推荐(0)
摘要：
http://www.physics.miami.edu/~nearing/mathmethods/operators.pdf
阅读全文
posted @ 2017-09-16 18:05
papering
阅读(189)
推荐(0)
posted @ 2017-09-16 16:55
papering
阅读(245)
推荐(0)
摘要：
一切的算法，落到了“0101”的相似度比较。将INPUT作“字符串”、“实数、虚数”、“矩阵”、“向量”、“张量”？我们已有一个--来源，如：历史数据、先验生成--参照物、事实标准、参考系--INPUT代表着未知，需要我们给出结果，矩阵：协方差矩阵-->特征值 图像识别 指纹识别
阅读全文
posted @ 2017-09-16 16:12
papering
阅读(147)
推荐(0)
摘要：
【方差 协方差】方差 variance协方差 covariancehttps://en.wikipedia.org/wiki/Variance方差 一个随机变量的方差描述的是它的离散程度，一个实随机变量的方差，也成为它的二阶矩或二阶中心动差。Informally, it measures how f
阅读全文
posted @ 2017-09-16 15:31
papering
阅读(634)
推荐(0)
摘要：
【对偶空间】dual vector space对偶空间是线性函数的集合。Dual vector space consists of linnear functions. In mathematics, any vector space V has a corresponding dual vecto
阅读全文
posted @ 2017-09-16 14:55
papering
阅读(369)
推荐(0)
摘要：
https://zh.wikipedia.org/wiki/狭义相对论 牛顿力学是狭义相对论在低速情况下的近似。 https://en.wikipedia.org/wiki/Special_relativity In physics, special relativity (SR, also kno
阅读全文
posted @ 2017-09-16 14:33
papering
阅读(320)
推荐(0)
摘要：
【内积 外积】inner productouter product运算结果： 内积->标量 外积->矢量物理应用举例： 内积->力做的功 外积->洛伦兹力（运动于电磁场的带电粒子所感受到的作用力：右手的大拇指与v同向，食指与B同向，则中指会指向F的方向。） ->角动量（位置动量和动量的外积；守恒，当
阅读全文
posted @ 2017-09-16 14:24
papering
阅读(503)
推荐(0)
摘要：
【张量】tensor张量是线性关系。A tensor is a linear relation. “张量”一词最初由威廉·罗恩·哈密顿在1846年引入，但他把这个词用于指代现在称为模的对象。该词的现代意义是沃尔德马尔·福格特在1899年开始使用的。 这个概念由格雷戈里奥·里奇-库尔巴斯托罗在1890
阅读全文
posted @ 2017-09-16 14:23
papering
阅读(423)
推荐(0)
摘要：
【共轭】conjugate 共轭（conjugate）可以指： 数学上的共轭： 共轭复数：实数部分相同而虚数部分互为相反数的两个复数。 矩阵的共轭转置：把矩阵转置后，再把每一个数换成它的共轭复数。 自共轭矩阵：矩阵中每一个第i行第j列的元素都与第j行第i列的元素的共轭相等。 代数上的共轭与共轭复数类
阅读全文
posted @ 2017-09-16 14:20
papering
阅读(3290)
推荐(0)
posted @ 2017-09-15 21:35
papering
阅读(644)
推荐(0)
摘要：
【范数】范数是函数。A norm is a function.范数(norm)，是具有“长度”概念的函数。在线性代数、泛函分析及相关的数学领域，是一个函数，其为向量空间内的所有向量赋予非零的正长度或大小。半范数反而可以为非零的向量赋予零长度。 In linear algebra, functiona
阅读全文
posted @ 2017-09-15 21:14
papering
阅读(721)
推荐(0)
摘要：
【向量组的秩】 向量组的极大线性无关组所含向量的个数 【矩阵的秩】 【对角矩阵】 主对角线以外的元素全为0的方阵 【基本矩阵 单位矩阵 数量矩阵】 【基本矩阵】 只有一个元素是1，其余元素全为0 【单位矩阵】 主对角线上个的元素都为1 【数量矩阵】 主对角线上的元素是同一个数k，其余元素都是0 【对
阅读全文
posted @ 2017-09-15 20:48
papering
阅读(3112)
推荐(0)
posted @ 2017-09-15 18:52
papering
阅读(148)
推荐(0)
摘要：
Ilya Sutskever1 ilyasu@google.com James Martens jmartens@cs.toronto.edu George Dahl gdahl@cs.toronto.edu Geoffrey Hinton hinton@cs.toronto.edu
阅读全文
posted @ 2017-09-15 18:03
papering
阅读(480)
推荐(0)
摘要：
The unstable gradient problem: The fundamental problem here isn't so much the vanishing gradient problem or the exploding gradient problem. It's that
阅读全文
posted @ 2017-09-15 17:36
papering
阅读(314)
推荐(0)
摘要：
计算机组成原理 http://media4.open.com.cn/L603/fushi/0903/jisuanjzcyl/web/lesson/char5/j5.htm 第五节 程序中断方式 一、中断的概念 计算机在执行程序的过程中，当出现异常情况或特殊请求时，计算机停止现行程序的运行，转向对这些
阅读全文
posted @ 2017-09-15 17:00
papering
阅读(654)
推荐(0)
摘要：
http://neuralnetworksanddeeplearning.com/chap4.html In essence, we're using our single-layer neural networks to build a lookup table for the function.
阅读全文
posted @ 2017-09-15 14:15
papering
阅读(187)
推荐(0)
posted @ 2017-09-15 13:41
papering
阅读(174)
推荐(0)
posted @ 2017-09-15 12:31
papering
阅读(137)
推荐(0)
摘要：
https://www.zhihu.com/question/31497611/answer/127719605 用线性变换跟随着非线性变化，将输入空间投向另一个空间。 物理语言映射：通过现有的不同的物质组合形成新物质。 http://cs.stanford.edu/people/karpathy/
阅读全文
posted @ 2017-09-15 12:27
papering
阅读(435)
推荐(0)
posted @ 2017-09-15 12:18
papering
阅读(123)
推荐(0)
摘要：
x [0,48] -1 (1,x1) (2,x2) (3,x3) 一个用MAC Address 标识信号； 要求：一个有效信号，只能在一个地理位置表现为最强信号。 最有效的特征值就是该位置有效的信号中，信号最强的那个。、、、、、、
阅读全文
posted @ 2017-09-15 00:36
papering
阅读(569)
推荐(0)
摘要：
term frequency–inverse document frequency
阅读全文
posted @ 2017-09-14 23:25
papering
阅读(317)
推荐(0)
摘要：
对于待定位位置的wifi信号列表，我们通过“全量计算”和通过“非全量计算”：选哪个？或者说，我们按一定规则，甚至随机地剔除若干信号再去计算，是否能更快更准确地给出结果？ 知乎
阅读全文
posted @ 2017-09-14 21:14
papering
阅读(337)
推荐(0)
posted @ 2017-09-14 18:02
papering
阅读(178)
推荐(0)
摘要：
Yoshimasa Tsuruoka1,*, John McNaught1,2, Jun’ichi Tsujii1,2,3 and Sophia Ananiadou1,2 1 School of Computer Science, The University of Manchester, Manc
阅读全文
posted @ 2017-09-14 16:38
papering
阅读(234)
推荐(0)
摘要：
Kamol Kaemarungsi and Prashant Krishnamurthy Telecommunications Program School of Information Science. University of Pittsburgh 135 N. Bellefield Aven
阅读全文
posted @ 2017-09-14 11:21
papering
阅读(250)
推荐(0)
摘要：
Face verification remains a challenging problem in very complex conditions with large variations such as pose, illumination, expression, and occlusion
阅读全文
posted @ 2017-09-14 09:41
papering
阅读(691)
推荐(0)
摘要：
https://regauth.standards.ieee.org/standards-ra-web/pub/view.html#registries 34:96:72:3c:5d:d6mac 地址 16进制编码 ，6字节，[0,1,2,3,......，15*(16**1+16**0)]len(
阅读全文
posted @ 2017-09-13 14:41
papering
阅读(543)
推荐(0)
posted @ 2017-09-13 10:57
papering
阅读(267)
推荐(0)
posted @ 2017-09-13 10:48
papering
阅读(168)
推荐(0)
摘要：
Orthogonal Least Squares Learning Algorithm for Radial Basis Function Networks S. Chen, C. F. N. Cowan, and P. M. Grant
阅读全文
posted @ 2017-09-13 10:07
papering
阅读(384)
推荐(0)
posted @ 2017-09-12 21:48
papering
阅读(177)
推荐(0)
摘要：
Learning Textual Entailment using SVMs and String Similarity Measures http://delivery.acm.org/10.1145/1660000/1654547/p42-malakasiotis.pdf?ip=65.49.68
阅读全文
posted @ 2017-09-12 21:31
papering
阅读(272)
推荐(0)
摘要：
mac 字符串 与 基准字符串的 Levenshtein 距离，考虑 mac信号强度的时序性，60秒内若干次变化 不引入强度 mac字符串的唯一性 如何排序 基准字符串的选取 同一尺度 都按强度顺序排序
阅读全文
posted @ 2017-09-12 16:06
papering
阅读(205)
推荐(0)
浙公网安备 33010602011771号