极值

机器学习数学基础梯度下降法之Python矩阵运算

文章目录一、梯度下降法的原理介绍（一）梯度下降法（二）梯度下降的相关概念及描述（三）梯度下降算法原理二、梯度下降法的一般求解步骤三、梯度下降法手工求解极值四、Excel中利用梯度下降求解近似根五、线性回归问题求解
咩咩叫的闲鱼·2022-12-24 09:15

多层神经网络 ——小批量梯度下降法

在前面的课程中，我们知道为了实现非线性分类的任务，需要使用多层神经网络，多层神经网络的损失函数不再是凸函数，而是一种比较复杂的不规则函数，这类函数求导数非常困难，在求解极值问题时很难通过计算得到解析解，
xuechanba·2022-12-23 22:54

一元线性回归的详细推导过程

假设一元线性回归的最佳直线方程为：(1)对于一个样本点，有预测值为：(2)这个样本点的真值为，要想获得最佳拟合方程，就需要使真值和预测值之间的差值最小，为了后面方便求极值，使用两个值差的平方：(3)当把所有样本考虑进来时
飘逸py·2022-12-23 15:08

imutils基础（7）使用 OpenCV 查找轮廓中的极值点

今天，我将使用OpenCV和Python根据轮廓查找极值点。在本博客的其余部分，我将演示如何根据轮廓找到极北、极南、极东和极西(x,y)坐标，如本博文顶部的图像所示。
求则得之，舍则失之·2022-12-23 14:27

使用Python，OpenCV沿着轮廓寻找极值点

使用Python，OpenCV沿着轮廓寻找极值点这篇博客将介绍如何使用Python，OpenCV沿着轮廓寻找极值点，找到最北、最南、最东和最西（x，y）坐标。
程序媛一枚~·2022-12-23 14:25

拉格朗日函数相关推导

优化问题（即高数中的求极值）可分为三类：无约束、等式约束、不等式约束。对于无约束的优化问题：求导，令导数为零即可求解。
是帆帆不是凡凡呀·2022-12-23 12:39

lstm需要优化的参数_1-基于LSTM-GA 的股票价格涨跌预测模型

然而前期研究结果表明单一使用该方法仍存在预测不平衡、陷入局部极值导致能力不佳的问题。基于上述问题，文中利用将遗传算法（ＧＡ）解决调参问题来保证模型预测的平衡性，由此构建了新型股票预测模型。
weixin_40001025·2022-12-23 10:20

09-11 概率基础

概率统计基础一、数组的集中趋势集中趋势最能包含数组关键特征均值–避免使用的情况：样本中极值且极值在使用场景中不常出现（即是否有异常值）中位数—比均值好在不受极端值的影响；众数—很好的反应的数据的集中趋势
withxinxin·2022-12-22 09:04

第一类和第二类Chebyshev多项式

Chebyshev多项式的双重递归关系2.第一类Chebyshev多项式性质与应用2.1第一类Chebyshev多项式的性质2.1.1Chebyshev多项式的零点2.1.2Chebyshev多项式的极值点
中原H·2022-12-22 08:53

粒子群算法对比（matlab代码）

粒子群算法——两种方案（matlab程序）本文使用matlab编写了两种粒子群算法程序，方案1是使用自适应权重的粒子群方案，方案2是使用随机权重的粒子群方案，使用两种不同的方案对目标函数求极值，并最后对比两种方案
weixin_44525542·2022-12-21 21:58

CNN卷积神经网络

AlexNetVGGNet介绍GoogLeNetResNet介绍resnet解决方案结果三、实操一般步骤结构举例代码链接前言为什么用卷积神经网络全连接神经网络问题参数过多过拟合需要更多数据收敛到较差的局部极值卷积神经网络局部连接参数共享提示
屿anglersking＇s THU·2022-12-21 12:38

粒子群算法求解二元函数极值-附带800字程序说明

问题描述：给定一个非线性函数f(x，y)=sin(sqrt(x2+y2))/(sqrt(x2+y2))+exp((cos(2PIx)+cos(2PIy))/2)-2.71289，使用粒子群算法来求这个二元函数的极大值。求解思路：通过在MATLAB中绘制该二元函数的图形后，可以发现函数存在很多的局部极大值点，极限位置位于坐标原点(0，0)，在(0，0)附近取到极大值，极大值与1十分接近。因此，根据图
Αиcíеиτеǎг·2022-12-21 10:18

最优控制理论 五、极大值原理→控制不等式约束

与哈密尔顿函数法的异同是，两者都旨在解决非线性常微分方程组下的最优控制问题，都是性能指标取极值的必要条件。
倪偲001·2022-12-21 09:41

最优控制理论 一、变分法和泛函极值问题

变分法是最优控制问题的三大基石之一，下面讨论一些变分法的常用理论。1.性能指标泛函无约束最优控制问题，若固定起止时间，两端状态固定，即x(0)=x0,x(tf)=xf,t∈[0,tf]x(0)=x_0,x(t_f)=x_f,t\in[0,t_f]x(0)=x0,x(tf)=xf,t∈[0,tf]需要求出最优路径path（轨迹trajectory、最优实现）：x∗(t)x^*(t)x∗(t)。而这个
倪偲001·2022-12-21 09:10

【视频】R语言极值理论EVT：基于GPD模型的火灾损失分布分析|数据分享|附代码数据

p=21425最近我们被客户要求撰写关于极值理论EVT的研究报告，包括一些图形和统计输出。
·2022-12-20 22:04

机器学习中的数学基础

3.2二阶导数和Hessian矩阵4、二次型的梯度特别的，若A为对称矩阵，则有如下公式成立：5、泰勒级数与极值5.1输入为标量的泰勒级数展开标量是只有大小没有方向的物理量。
心若向阳，何谓悲伤·2022-12-20 19:08

深度学习的数学-导数和偏导数

文章目录前言正文导数的定义导数的含义及常见函数导数导数的性质分数的求导导数和函数最小值的关系（重点）函数的增减表偏导数多变量函数偏导数的求解（重点）多变量函数的极值问题（重点）躲不掉的拉格朗日总结前言本章主要记录机器学习里边比较重要且非常容易成为初学者拦路虎
藏锋入鞘·2022-12-20 19:05

AI笔记: 数学基础之导数的应用：单调性、凸凹性、极值

导数应用之函数单调性通过函数的导数的值，可以判断出函数的单调性、驻点、极值点若导数>0,则单调递增若导数f(x1)+f(x2)2f(\frac{x_1+x_2}{2})>\frac{f(x_1)+f(x
Johnny丶me·2022-12-20 19:33

人工智能数学基础：利用导数判断函数单调性、凹凸性、极值、最值和描绘函数图形

一、单调性判断定理定理：设函数y=f(x)在[a，b]上连续，在(a，b)内可导。(1)如果在(a，b)内f(x)≥0，且等号仅在有限多个点处成立，那么函数y=f(x)在[a，b]上单调增加;(2)如果在(a，b)内f(x)≤0，且等号仅在有限多个点处成立，那么函数y=f(x)在[a，b]上单调减少。证明思路：利用拉格朗日中值公式，可以正得任意两点的函数值差等于某点导数与两点x值的差的乘积，因此x
LaoYuanPython·2022-12-20 19:01

Python系列-17]：人工智能 - 数学基础 -7- 微积分、导数与极值、梯度下降法

blog.csdn.net/HiWangWenBing/article/details/119325116目录第1章导数的概述1.1导数的定义1.2导数的几何意义1.3导数在深度学习中的应用第2章函数的极值与导数的关系
文火冰糖的硅基工坊·2022-12-20 19:31

基于R语言极值统计学及其在相关领域中的应用

极值统计学就是专门研究自然界和人类社会中很少发生，然而发生之后有着巨大影响的极端现象的
WangYan2022·2022-12-20 19:29

高等数学(导数的应用)

目录一.中值定理1.1罗尔中值定理1.2拉格朗日中值定理二.函数的单调性与极值2.1函数的单调性2.2驻点与极值点2.3凹凸性2.4最值2.5拐点三.导数的应用一.中值定理1.1罗尔中值定理满足:(1)
亦可呀·2022-12-20 14:13

学习率调整

太大容易出现超调现象，即在极值点两端不断发散，或是剧烈震荡，总之随着迭代次数增大loss没有减小的趋势；太小会导致无法快速地找到好的下降的方向，随着迭代次数增大loss基本不变。
wolf2345·2022-12-20 11:37

深度神经网络回归问题,深度神经网络回归模型

在监督学习中，以前的多层神经网络的问题是容易陷入局部极值点。如果训练样本足够充分覆盖未来的样本，那么学到的多层权重可以很好的用来预测新的测试样本。
普通网友·2022-12-20 09:58

【LSTM时序预测】基于matlab EMD结合LSTM风速数据预测【含Matlab源码 2051期】

x(t)=∑fIMF,s+r(t)(1)每个IMF分量都应满足以下2个特点：(1)在整个时间范围内，局部极值点和过零点的数量必须相等或最多相差一个；(2)在任
海神之光·2022-12-20 09:19

opencv十四天入门学习——task4

本次学习我主要又学习了opencv中图像统计信息中的均值、方差、极值的统计函数，学习了图像几何形状绘制与多边形绘制，以及相应的填充方法，实践了文本绘制，并且了解了opencv与图像噪声相关的知识。
独孤西·2022-12-20 03:19

经典/深度SfM有关问题的整理

这样，不管原图的尺度是多少，在包含了所有尺度的尺度空间下都能找到那些稳定的极值点，这样就做到了尺度不变。关于SIFT尺度不
zeeq_·2022-12-19 18:12

算法基础知识-梯度，损失函数，目标函数

1.梯度梯度是一个向量(矢量)，它的数学含义是函数f(x,y)在可导处的变化速率，梯度越小，表示函数越趋近与某个最小极值。所以在机器学习算法中，通过梯度下降算法来对函数进行调优。
cyqyong·2022-12-19 17:13

前端leetcde算法面试套路之堆

正文plus堆是动态求极值的数据结构，所以当遇到需要不断取极值的时候，就可以考虑用堆了温馨提示，建议每一道题都自己new一个堆，这样才能发现堆之美，其实就是不会再次遇到topK的时候只能用冒泡来做。
·2022-12-19 09:12

高等数学公式大赏

)时│f(x)-A│0，∃δ>0，使0M⇔lim⁡x→a\lim\limits_{x→a}x→alimf(x)=∞无穷小量∀ε>0，∃δ>0，使00，在0）f(a)，则f(a)为f(x)的极大（小）值极值特性极值处可导则
Barry Wu·2022-12-18 14:07

pytorch中的张量基本方法

文章目录一、四种初始化二、属性三、加减乘除四、近似值五、限幅六、所有元素求和、均值七、极值八、排序九、索引和切片十、掩码十一、拼接十二、切割十三、张量的广播十四、反向传播1.反向传播的基本过程2.中间节点的梯度保存
老干妈拌士力架·2022-12-18 07:13

ORB2单目读代码笔记13--卡方检验原理及其在ORB-SLAM2中的用处

卡方分布：通过一个检验统计量来比较期望结果和实际结果之间的差别，然后得出观察频数极值的发生概率
不能再吃了OvO·2022-12-17 23:54

计算机视觉的算法SIFT算法详细介绍

文章目录1.1基本流程1.2尺度空间极值检测1.3关键点定位1.4关键点方向确定1.5关键点描述1.6总结前面我们介绍了Harris和Shi-Tomasi角点检测算法，这两种算法具有旋转不变性，但不具有尺度不变性
传智教育·2022-12-17 15:02

SIFT 特征点

不会受到遮挡的影响可区分性：能从巨大的数据集中区分每个特征质量：提取特征点的质量非常高高效：能够取得接近实时的表现可拓展性：能够轻易的拓展成其他类型的特征点，以提高其鲁棒性算法主要包括如下几个步骤：尺度空间极值检测特征
木独·2022-12-17 15:01

机器学习算法/模型——线性回归

线性回归0.本质和概论0.1本质0.2概念/术语1.假设函数2.损失函数：平方误差函数3.优化算法3.1梯度下降法：求解函数极值3.2标准方程（矩阵求解）4.代码实例4.1模型训练4.2模型可视化（如何将学习好的模型画出来
Robin_Pi·2022-12-16 09:27

前端leetcde算法面试套路之堆

正文plus堆是动态求极值的数据结构，所以当遇到需要不断取极值的时候，就可以考虑用堆了温馨提示，建议每一道题都自己new一个堆，这样才能发现堆之美，其实就是不会再次遇到topK的时候只能用冒泡来做。
·2022-12-16 08:59

m基于PSO粒子群优化算法的最优样本组合策略分析matlab仿真

然而，PSO算法的缺点在于：（1）对于有多个局部极值点的函数，容易陷入到局部极值点中，得不到正确的结果。造成这种现象的原因有两种，其一是由于待优化函数的性质；其二是由
我爱C编程·2022-12-15 16:31

冷链行业独角兽「链库」完成5000万元天使轮融资，打造国内唯一线上冷库交易平台

2022年12月1日，冷库行业独角兽——链库，完成5000万元人民币天使轮融资，深圳投控东海领投，湾兴创投、汇海零度跟投，极值资本担任本轮财务顾问，融资由微众银行提供数字化创投服务支持。
zhongqimeng·2022-12-15 14:24

OpenCV目标跟踪（三）-camshift算法

（1）meanshift算法meanshift算法是一种在一组数据的密度分布中寻找局部极值稳定的方法。
王大伟啊·2022-12-15 14:20

常用的聚类方法

其中层次聚类容易受到极值的影响，并且计算复杂速度慢不适合大样本聚类;快速聚类虽然速度快，但是其分类指标要
SanLuoWenHao·2022-12-15 12:13

单独开一贴个人认为是编译器缺陷希望有人提交给微软

什么是梯度下降法梯度下降法GradientDescent1.不是一个机器学习算法2.是一种基于搜索的最优化方法3.作用：最小化一个损失函数4.梯度上升法：最大化一个效用函数并不是所有函数都有唯一的极值点二
awulei·2022-12-15 07:00

Policy Evaluation收敛性、炼丹与数学家

突然有同学提出观点：“badcase其实并不存在，因为一些算法已经理论证明了具有唯一极值点，再加上一些平滑技巧指导优化器，就必然可以收敛。”当听到这个观点时，我是一时语塞。
3A是个坏同志·2022-12-14 21:57

opencv学习笔记六--图像特征[harris+SIFT]+特征匹配

学习笔记六--图像特征[harris+SIFT]+特征匹配图像特征（SIFT-ScaleInvariantFeatureTransform）图像尺度空间多分辨率金字塔高斯差分金字塔（DOG）DoG空间极值检测关键点的精确定位消除边界响应特征点的主方向生成特征描述
Cloudy_to_sunny·2022-12-14 17:20

297个机器学习彩图知识点（3）

信息丢失2.提前停止训练优势3.提前停止训练4.热点对特征的影响5.特征向量6.弹性网络7.指数型线性单元8.编码有序类别特征9.集成学习方法10.迭代轮数11.错误类型12.解释平方和13.梯度爆炸14.极值
冷冻工厂·2022-12-14 06:54

opencv sift 的实现与原理

referenceopencvsift原理与原码分析wikipediaAIShackopencvsiftc一点补充关于插值：利用了Hessian矩阵中不定点的特性，如果DOG空间某点为极值点，那么该点的
stationinthemind·2022-12-12 23:52

python系列-逻辑回归算法（logistic回归）之梯度上升算法理解及python实现

2.实例：二次函数求极值问题二次函数如下：f(x)=-x^2+x，其函数图像如下：    学过导数都知道这个函数的导数为：f’=-2x+2，在x=1处存在极大值，极大值为0；    但是实际
森特吴·2022-12-12 01:37

基于Surf+GTM的图像配准和拼接算法matlab仿真

在数学中，Hessian矩阵是一个自变量为向量的实值函数的二阶偏导数组成的方块矩阵，即每一个像素点都可以求出一个2x2的Hessian矩阵，可计算出其行列式detH，可以利用行列式取值正负来判别该点是或不是极值
我爱C编程·2022-12-11 11:08

支持向量机

2.距离与数据的定义找出最近点到面的距离推导：数据定义：3.目标函数推导4.拉格朗日化简最终函数有约束条件，又要求极值问题，所以引入拉格朗日函数，简单来说拉格朗日就是让目标方程与一个参数方程联系，再有当前方程与参数方程联系
Saebomoh·2022-12-11 09:16

《最优化理论与算法》(陈宝林）——第10章：使用导数的最优化方法

目录最速下降法核心思想计算步骤算法讨论牛顿法原始牛顿法核心计算步骤算法讨论阻尼牛顿法：牛顿法进一步修正：共轭梯度法基本思想求解步骤：二次函数一般函数算法讨论拟牛顿法信赖区域方法最小二乘法最速下降法核心思想负梯度方向为最速下降方向计算步骤算法讨论越接近极值点
fenneishi·2022-12-11 05:02

陈宝林《最优化理论与算法》超详细学习笔记 （八）————最优性条件

陈宝林《最优化理论与算法》超详细学习笔记（八）————最优性条件无约束问题的极值条件必要条件二阶充分条件充要条件约束极值问题的最优性条件不等式约束的一阶最优性条件无约束问题的极值条件考虑非线性规划问题minf
River_J777·2022-12-11 04:28
上一页 10 11 12 13 14 15 16 17 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他