E-COM-NET
首页
在线工具
Layui镜像站
SUI文档
联系我们
推荐频道
Java
PHP
C++
C
C#
Python
Ruby
go语言
Scala
Servlet
Vue
MySQL
NoSQL
Redis
CSS
Oracle
SQL Server
DB2
HBase
Http
HTML5
Spring
Ajax
Jquery
JavaScript
Json
XML
NodeJs
mybatis
Hibernate
算法
设计模式
shell
数据结构
大数据
JS
消息中间件
正则表达式
Tomcat
SQL
Nginx
Shiro
Maven
Linux
Nabla
LibTorch | 使用神经网络求解一维稳态对流扩散方程
1.问题描述一维稳态对流扩散方程为$$\
nabla
\cdot\left(\vec{u}\phi\right
Fitanium
·
2022-09-11 17:00
如何对使用了ssl pinning的APP(如知乎)进行抓包
https://www.zhihu.com/question/60618756https://github.com/
nabla
-c0d3/ssl-kill-switch2https://blog.csdn.net
likohank
·
2021-06-10 23:15
HTML实体
html_ref_symbols.html结果描述实体名称实体编号∀forall∀∀∂part∂∂∃exists&exists;∃∅empty∅∅∇
nabla
DDDDavid
·
2021-06-10 22:54
工科矢量分析公式大全
文章目录工科矢量分析公式大全#三重标积#三重矢积#柱坐标系#球坐标系#三系转换#梯度#散度#旋度#标函数的拉普拉斯#若干∇\
nabla
∇基本公式#若干定理符号助手#EinsteinEinsteinEinstein
是脑瘫啊
·
2021-03-09 08:13
一些数学
latex
数学
公式
矢量分析
坐标转换
牛顿法、拟牛顿法
思维导图牛顿法求解最优化问题原理牛顿法与梯度下降法的差异拟牛顿法牛顿法求解最优化问题原理原理阐述:f(x)f(x)f(x)的取得最小值(极小值)的必要条件是∇f(x)=0\
nabla
{f(x)}=0∇f
清焙
·
2021-01-17 13:16
机器学习
算法
线性代数
matrix
矩阵
Latex, Katex 常用指令总结(持续更)
epsilonϵ-\epsilon⨁\bigoplus⨁-\bigoplus★\bigstar★-\bigstar∙\bull∙-\bull∙\bullet∙-\bullet∞\infin∞-\infin∇\
nabla
born-in-freedom
·
2020-09-16 20:18
杂谈
katex
latex
论文解读《Boosting Adversarial Attacks with Momentum》
我们的方法可以在迭代过程中稳定更新方向并避免糟糕的局部最大值1.FGSM我们先来了解一下迭代的FGSM算法,它通过以下公式来产生扰动x∗x_*x∗x∗=x+ϵ∗sign(∇xJ(x∗,y)),(1)x_*=x+{\epsilon}*sign({\
nabla
甘先了个生
·
2020-09-14 12:21
对抗攻击
FGSM
I-FGSM
MI-FGSM
HTML 4.01 符号实体
支持的数学符号结果描述实体名称实体编号∀forall∀∀∂part∂∂∃exists&exists;∃∅empty∅∅∇
nabla
十亿萝莉的夢
·
2020-09-14 01:02
HTML
球坐标下的Laplace
rφ)⋅r^r2sinθ+∇(sinθ∂θφ)⋅θ^rsinθ+∇(1sinθ∂ϕφ)⋅ϕ^r=1r2∂r(r2∂rφ)+1r2sinθ∂θ(sinθ∂θφ)+1r2sin2θ∂ϕ∂ϕφ\
nabla
meshgrid
·
2020-09-10 15:02
深度强化学习(8)Proximal Policy Optimization(PPO)
根据策略梯度方法,参数更新方程式为:θnew=θold+α∇θJ\theta_{new}=\theta_{old}+\alpha\
nabla
_{\theta}Jθnew=θold+α∇θJ策略
#妖言惑众
·
2020-08-25 01:39
深度强化学习
基于离线策略的强化学习(PPO)
离线策略强化学习对于基于策略的强化学习,通过建立带θ\thetaθ的策略模型,通过策略梯度进行优化,梯度如下∇θU=Eτ−pθ(τ)[∇θlogPθ(τ)R(τ)]\
nabla
_\thetaU=E_{\
lsjmax
·
2020-08-25 00:17
强化学习
近端策略优化算法(PPO)
其常用的梯度估计形式为:E^t[∇θlogπθ(at∣st)A^t]\hat{\mathbb{E}}_t[\
nabla
_\thetalog\pi_\theta(a_t|s_t)\hat{A}_t]E^t
从流域到海域
·
2020-08-25 00:28
强化学习
有限体积法(5)——对流-扩散方程的离散
方程离散关于变量ϕ\phiϕ的输运方程,∂(ρϕ)∂t+∇⋅(ρϕu)=∇⋅(Γ∇ϕ)+Sϕ(1)\frac{\partial(\rho\phi)}{\partialt}+\
nabla
\cdot(\rho
薛定谔的alpha狗
·
2020-08-24 06:59
CFD
有限体积法(2)——二维、三维扩散方程的离散推导
稳态扩散方程:∇⋅(Γ∇ϕ)+Sϕ=0(1)\
nabla
\cdot(\Gamma\
nabla
\phi)+S_\phi=0\tag{1}∇⋅(Γ∇ϕ)+Sϕ=0(1)在有限控制体内积分,并由高斯散度定理有
薛定谔的alpha狗
·
2020-08-24 05:03
CFD
牛顿法总结
我们有,f(X)≈f(X0)+(X−X0)∇f(X0)+(X−X0)∇2f(X0)(X−X0)2f(X)\approxf(X_0)+(X-X_0)\nablaf(X_0)+\frac{(X-X_0)\
nabla
孤鸿子_
·
2020-08-20 22:50
机器学习
牛顿法
优化
梯度下降
有限体积法(1)——一维扩散方程的推导
对于变量ϕ\phiϕ的输运方程为:∂(ρϕ)∂t+∇⋅(ρϕu)=∇⋅(Γ∇ϕ)+Sϕ(1)\frac{\partial(\rho\phi)}{\partialt}+\
nabla
\cdot(\rho\phi
薛定谔的alpha狗
·
2020-08-15 16:27
CFD
深度学习中常用的优化器简介
下式给出SGD的更新公式\[\theta_t=\theta_{t-1}-\alpha\
nabla
_\thetaJ(\theta)\]其中\(\alpha\)是学习速率。
weixin_30296405
·
2020-08-13 20:38
数字图像处理——拉普拉斯算子【像素级别处理】(python)
拉普拉斯算子是一种微分算子常在图像处理中强调灰度值的突变,不强调灰度变换缓慢的地方,得到的图层与原图像叠加在一起可以得到锐化的效果一个二维图像的拉普拉斯算子可以定义为∇2f=∂2f∂x2+∂2f∂y2\
nabla
Gowi_fly
·
2020-08-08 20:20
数字图像处理
三种常用正交坐标系下的梯度、散度与旋度
则梯度∇f=∂f∂xi+∂f∂yj+∂f∂zk\bm{\
nabla
}f=\frac{\partialf}{\pa
不入流的IT宅男
·
2020-08-08 12:34
微积分与微分方程
基于匹配点集对单应性矩阵进行估计
∇\
nabla
FesianXu
·
2020-08-04 12:47
Stereo
Vision
Computer
Vision
凸优化学习-(十)凸函数的例子
二、幂函数形如:f(x)=xax∈R++f(x)=x^a\\\\x\inR_{++}f(x)=xax∈R++其二阶偏导为:∇2f(x)={≥0a≥1或a≤0≤00≤a≤1\
nabla
^2f(x)=\begin
明远湖边的秃头
·
2020-08-03 23:11
#
凸优化
人体动作捕捉与SMPL模型 (mocap and SMPL model)
∇\
nabla
∇联系方式:e-mail:Fesian
FesianXu
·
2020-08-02 21:40
计算机图形学
人体动作捕捉mocap
mocap
人体动作捕捉
人体重建
计算机图形学
chenchen的自述
关于蒟蒻chenchen的自述:我超级蒻⋯∇\colorbox{#3bb4f2}{\color{white}我超级蒻$\cdots\tiny\
nabla
$}我超级蒻⋯∇你是第个暴打我的巨佬,orzorzorz
飞炫少仔
·
2020-08-02 12:26
c++
[UFLDL] Exercise 1C:Softmax Regression
文章目录任务代码思路解析计算目标函数J(θ)J(\theta)J(θ)计算梯度任务完成多分类softmax的目标函数J(θ)J(\theta)J(θ)和梯度∇θJ(θ)\
nabla
_{\theta}J(
Harry嗷
·
2020-07-31 12:10
UFLDL
一文理清卡尔曼滤波,从传感器数据融合开始谈起
(文章主要参考了[1])∇\
nabla
∇联系方
FesianXu
·
2020-07-29 15:58
Control
Theory
拉格朗日函数与广义拉格朗日函数
考虑无约束优化问题:minxf(x)\min\limits_{x}f(x)xminf(x)根据Fermat定理,直接找到使得∇xf(x)=0\
nabla
_xf(x)=0∇x
LilyZJ
·
2020-07-27 16:28
最优化
机器学习
笔记:常见的无约束求解算法——最速下降法和拟牛顿法
符号定义假设有无约束问题minf(x),(x∈Rn)\minf(x),(x\inR^n)minf(x),(x∈Rn),记函数f(x)的一阶导数为∇f(x)\nablaf(x)∇f(x),二阶导数为∇2f(x)\
nabla
a little boy
·
2020-07-22 21:58
数学:最优化算法
算法
【动作识别相关,第一篇】skeleton骨骼点数据类型介绍
∇\
nabla
∇联系方式:e-mail:
[email protected]
:973926198github:https://git
FesianXu
·
2020-07-15 18:26
Patern
Recognition
Deep
Learning
Human
Action
Recognition
Action
Recognition
Reinforcement Learning 2
边学边玩Off-policy,要学的Agent看别人玩前文讲解的PolicyGradient其实是On-policy的做法,这理解起来很直观:∇Rˉθ=Eτ∼Pθ(τ)[R(τ)∇log(Pθ(τ))]\
nabla
GodWriter
·
2020-07-14 04:52
强化学习
LaTeX —— 特殊符号与数学字体
1.特殊符号ℓ(\ell):用于和大小的I和数字1相区分R(\Re)∇(\
nabla
):微分算子2.数学字体mathbb:blackboardbold,黑板粗体mathcal:calligraphy(美术字
Inside_Zhang
·
2020-07-11 10:34
LaTeX
1.2.1流动与传热的通用控制方程(OpenFOAM理论笔记系列)
1.2系统的控制方程1.2.1流动与传热的通用控制方程通用的流体流动与传热方程如下:连续性方程:∂ρ∂t+∇⋅(ρU⃗)=0(1.4){{\partial\rho}\over{\partialt}}+\
nabla
CloudBird07
·
2020-07-10 21:02
OpenFOAM理论笔记
Fluent动网格【12】:扩散光顺
\[\
nabla
\cdot(\gamma\
nabla
\vec{u})=0\]其中,u为网格的运动速度。求解出运动速度后,可以很容易获得网格节点在下一个时间步长的位置。
Charles_Li2014
·
2020-07-10 21:56
深入解析OpenFOAM离散格式参数字典文件fvSchemes
中的参数字典进行详细探讨,在该字典文件中可能出现的关键字有:参数物理意义interpolationSchemes点对点插值格式(体心值插值到面心)snGradSchemes面梯度法方向分量gradSchemes梯度格式∇\
nabla
weixin_43935949
·
2020-07-10 19:17
openfoam学习
声学流体波动方程
连续流体的控制方程声压变化ppp,温度TTT,速度场uuu和密度rrr质量守恒∂ρ∂t+∇⋅(ρu)=0\displaystyle\frac{{\partial\rho}}{{\partialt}}+\
nabla
Yuuki-Asuna
·
2020-07-10 18:27
学习笔记
OpenFOAM中重力的植入方式
OpenFOAM中重力的植入方式考虑重力的NS方程可以写为:ρ∂u⃗∂t+ρ∇(u⃗u⃗)=∇(μ∇u⃗)−∇P+ρg⃗(1)\rho\frac{\partial\vecu}{\partialt}+\rho\
nabla
CloudBird07
·
2020-07-10 16:56
OpenFOAM编程笔记
约束优化方法
约束优化方法无约束优化等式约束的最优性条件不等式约束问题的最优性条件一般约束问题的最优性条件无约束优化x∈RNx\in\mathbb{R}^{N}x∈RNminxf(x)\min_{x}f(x)xminf(x)有函数解析式时,由Fermat定理,对函数求导令其导数为零,即∇xf(x)=0\
nabla
Xu_mWam
·
2020-07-09 02:58
数学准备
【时间序列分析】差分运算及延迟算子的性质
差分运算一阶差分:∇xt=xt−xt−1\
nabla
{x_t}=x_t-x_{t-1}∇xt=xt−xt−1P阶差分:∇pxt=∇p−1xt−∇p−1xt−1\
nabla
^p{x_t}=\
nabla
^{
CapsulE_07
·
2020-07-05 06:44
时间序列分析
梯度散度旋度常用基本关系
∇:向量微分算子、哈密尔顿算子、
Nabla
算子、劈形算子,倒三角算子是一个微分算子。
尼玛1118
·
2020-07-04 11:14
图像处理中的锐化算法
对于扩散现象引起的图像模糊,可以用下式来进行锐化:g(i,j)=f(i,j)−kτ∇2f(i,j)g(i,j)=f(i,j)-k\tau\
nabla
^2f(i,j)g(i,j)=f(i,j)−kτ∇2f
just_sort
·
2020-07-02 06:55
数字图像处理论文和算法复现
哈密顿算子与梯度、散度、旋度
哈密顿算子点乘叉乘1、定义与性质哈密顿算子:(数学符号:∇\
nabla
∇(又称
nabla
,奈布拉算子)),读来作Hamilton。
irober
·
2020-07-02 04:28
线性代数与矩阵
线性代数
麦克斯韦方程组微分形式
∇⋅D=ρ\mathbf{\
nabla
\cdot\mathbf{D}}=\rho∇⋅D=ρ∇⋅B=0\mathbf{\
nabla
\cdot\mathbf{B}}=0∇⋅B=0∇×E=−∂B∂t\mathbf
旧时茅店社林边
·
2020-06-29 05:02
吴恩达机器学习(三)梯度下降算法的解析解
此处仅列出结论:θ⃗=(XTX)−1XTy⃗\vec{\theta}=(X^TX)^{-1}X^T\vec{y}θ=(XTX)−1XTy在推导当中,老师使用了下面一个性质:∇AtrABATC=CAB+CTAB\
nabla
_AtrABA
sddfsAv
·
2020-06-26 07:00
机器学习
梯度与散度与拉普拉斯算子
即函数在该点处沿着该方向(此梯度的方向)变化最快,变化率最大(为该梯度的模)假设一个三元函数在空间区域G内具有一阶连续偏导数,点,称向量为函数在的梯度,记为或即==,,其中称为(三维的)向量微分算子或
Nabla
菜鸟知识搬运工
·
2020-06-25 05:22
使用二阶微分锐化图像(拉普拉斯算子)基本原理及Python实现
1.拉普拉斯算子1.1简介一种典型的各向同性的微分算子,可用于检测图像中灰度图片的区域$$\
nabla
^{2}f=\frac{\partial^{2}f}{\partialx^{2}}+\frac{\partial
dengdong1261
·
2020-06-23 03:58
几何变换——关于透视变换和仿射变换以及齐次坐标系的讨论
∇\
nabla
∇联系方式:e-mail:
[email protected]
:973926198gi
FesianXu
·
2020-06-22 00:47
Computer
Vision
Caffe源码-几种优化算法
计算新的动量:history_data=local_rate*param_diff+momentum*history_data\(\nu_{t+1}=lr*\
nabla
_{\theta_{t}}+m*\
Rule110
·
2019-12-29 18:00
深度学习都需要了解什么?无从下手的话,可以看看这份深度学习速查表
梯度∇(
Nabla
)梯度是
阿里云云栖社区
·
2019-11-02 02:43
曲面扰动理论之C1曲面的扰动
\Gamma}\inH_{\#}^{1}(\Gamma)uΓ∈H#1(Γ),它是如下弱形式的解:(33)∫Γ∇ΓuΓ⋅∇Γv=∫ΓfΓv∀v∈H#1(Γ)(33)\quad\int_{\Gamma}\
nabla
lsec小陆
·
2019-09-26 20:12
计算数学
数学原理
生于Code
死于Bug
曲面上的微积分(二)
Laplace-Beltrami方程的弱形式,∫γφ~Δγv~=−∫γ∇γφ~⋅∇γv~\int_{\gamma}\tilde{\varphi}\Delta_{\gamma}\tilde{v}=-\int_{\gamma}\
nabla
lsec小陆
·
2019-09-18 21:43
计算数学
数学原理
生于Code
死于Bug
Andrew Ng-深度学习-第二门课-week2(优化算法)
θ=θ−η⋅∇θJ(θ)\theta=\theta-\eta\cdot\
nabla
_{\theta}J(\theta)θ=θ−η⋅∇θJ(θ)缺点:更新速度慢;内存限制,容易超出;无法在线更新模型,即增加训练样本
linxid
·
2019-08-21 08:48
人工智能
机器学习
上一页
1
2
3
下一页
按字母分类:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他