Y_音响技术

神经网络量化入门--Folding BN ReLU代码实现

FoldingBN回顾一下前文把BN合并到Conv中的公式：KaTeXparseerror:Nosuchenvironment:alignatposition8:\begin{̲a̲l̲i̲g̲n̲}̲y_
AI小男孩·2022-11-20 17:48

回归和分类问题的理解

也就是说，回归问题的输出空间定义了一个度量d=F(ytrue,ypred)d=F(y_{true},y_{pred})d=F(ytrue,ypred)去衡量输出值与真实值之间的“误差大小”。
darren_ying0000·2022-11-20 06:30

loss函数之L1Loss，MSELoss，SmoothL1Loss, HuberLoss

第nnn个样本的损失值lnl_{n}ln计算如下:ln=∣xn−yn∣l_{n}=\left|x_{n}-y_{n}\right|ln=∣xn−yn∣其中，yny_{n}yn代表第nnn样本的真实得分，
旺旺棒棒冰·2022-11-19 14:52

Python根据时间命名并创建文件夹

也是件值得高兴的事根据年月日时分秒的时间命名并创建文件夹importosfromdatetimeimportdatetimenow=datetime.now()#获得当前时间timestr=now.strftime("%Y_
晚风于林·2022-11-19 05:04

[数值分析]微分方程初值问题及matlab代码

x,y),x\in[x_0,b],\\y(x_0)=y_0.y′=f(x,y),x∈[x0,b],y(x0)=y0.以下介绍几种常用方法欧拉法公式经过推导可以得到公式yn+1=yn+hf(xn,yn)y_
George Steven·2022-11-19 02:00

最小二乘法的原理理解

换句话说，勒让德认为最佳的拟合准则是使yiy_{i}yi与f(xi)f(x_{i})f(xi)的距离的平方和最小，即：L=∑i=1n(yi−f(xi))2L=\sum_{i=1}^{n}(y_{i}-f
胤风·2022-11-18 17:21

《机器学习实战中文版》 预测数值型数据：回归

2.实现用线性回归找到最佳拟合直线通过找平方误差的最小值可以得到回归系数的解，平方误差可写做：∑i=1m(yi−xiTw)2\sum_{i=1}^{m}\left(y_{i}-x_{i}^{\mathrm
香槟酒气满天飞·2022-11-18 08:27

【菜菜的sklearn课堂笔记】逻辑回归与评分卡-二元逻辑回归损失函数的数学解释，公式推导与解惑

【全85集】Python进阶_哔哩哔哩_bilibili白板推导里有写过程，但是当时理解的不太好，ψ(xi,ω)\psi(x_{i},\omega)ψ(xi,ω)的理解有点问题也就是下面的yθ(xi)y_
烧灯续昼2002·2022-11-16 20:28

Tensorflow实现手写体识别DIY入坑记

__version__mint=tf.keras.datasets.mnist(x_,y_),(x_1,y_1)=mint.load_data()plt.imshow(x_[0],cmap="binary
海宝7号·2022-11-08 13:10

softmax，softmax loss和交叉熵的关系

交叉熵对于分类问题的交叉熵损失函数:L=1n∑i=1n(−∑j=1Cyi,jlog⁡pi,j)L=\frac{1}{n}\sum^{n}_{i=1}(-\sum^{C}_{j=1}y_{i,j}\logp
乖乖怪123·2022-11-08 11:03

计算机图形学-光栅图形学算法

yi=kxi+b,yi+1=kxi+1+b=k(xi+1)+b=kxi+b+k=yi+ky_i=kx_i+b,\\y_{i+1}=kx_{i+1}+b\\=k(x_i+1)+b\\=kx_i+b+k\\
wykxwyc·2022-11-02 20:56

计算机图形学算法-光栅图形学

Bresenham算法1.2数值微分法(DDA)数值微分法(DDA-DigitalDifferentAnalyzer)核心思想：增量思想，也基于直线方程Ax+Bx+C=0，y=kx+by_i=kx_i+b,y_
louistru1·2022-11-02 20:54

Numpy实现神经网络-手写数字识别

importnumpyasnpimporttensorflowastfimportmatplotlib.pyplotaspltfromtensorflow.kerasimportdatasetsbatch_size=256epochs=200lr=0.01(x_train,y_
光明的心2·2022-10-16 22:04

【数模】曲线拟合

拟合程度评价总体平方和SST（Totalsumofsquares）：SST=∑i=1n(yi−yˉ)2SST=\sum_{i=1}^{n}(y_{i}-\
智子、·2022-10-07 16:46

Softmax回归交叉熵损失函数求导

函数的表达式：ai=ezi∑kezka_{i}=\frac{e^{z_{i}}}{\sum_{k}e^{z_{k}}}ai=∑kezkezi交叉熵损失函数：C=−∑iyiln⁡aiC=-\sum_{i}y_
三少Algorithm·2022-10-01 07:39

python pandas ewm 一次指数加权移动平均

()参数comspanhalflifealphamin_periodsadjustignore_naaxis三、python案例一、公式yt=(1−α)yt−1+αxty_{t}=(1-\alpha)y_
数据分析小鹏友·2022-09-30 13:31

850. 矩形面积 II : 扫描线模板题

对于$rectangle[i]=[x_1,y_1,x_2,y_2]$，其中$(x_1,y_1)$是矩形i左下角的坐标，$(x_{i1},y_{i1})$是该矩形左下角的坐标，$(x_{i2},y_{i2
·2022-09-17 16:39

SVM（支持向量机）

搞懂间隔  给定训练样本集D={(x1,y1),(x2,y2),...,(xm,ym)},yi∈{−1,+1}D={\{(x_{1},y_{1}),(x_{2},y_{2}),...,(x_{m},y_
波风亭·2022-09-10 12:57

用人话讲明白支持向量机SVM（下）

我们知道，点(x0,y0)(x_{0},y_{0})(x0,y0)到
化简可得·2022-09-10 12:27

深度学习笔记--pytorch从梯度下降到反向传播BP到线性回归实现，以及API调用和手写数据集的实现

梯度：是一个向量，导数+变化最快的方向(学习的前进方向)回顾机器学习收集数据xxx，构建机器学习模型fff，得到f(x,w)=Ypredictf(x,w)=Y_{predict}f(x,w)=Ypredict
Jason_Honey2·2022-09-03 07:06

相机标定

相机坐标系3）图像坐标系4）像素坐标系世界坐标系转相机坐标系这个是刚体变换，刚体变换涉及欧拉角+旋转顺序的概念还有为了解决死锁问题，引入的四元素的概念$$\begin{bmatrix}x_{camera}\\y_
·2022-08-27 21:32

原型聚类（二）学习向量量化（LVQ）和python实现

若存在一个样本集D={(x1,y1),(x2,y2),...,(xm,ym)}D=\begin{Bmatrix}(x_{1},y_{1}),(x_{2},y_{
无聊的六婆·2022-08-21 07:52

常见的上采样方法（双线性插值，反卷积，反池化）

1.双线性插值上采样单线性插值函数如上图所示，就是最简单的一种线性插值函数，就是求两点之间的直线方程，与初中的直线方程函数一样，首先知道A(x0,y0)A(x_{0},y_{0})A(x0,y0),C(
weixin_38324954·2022-07-23 11:39

深度/机器学习基础知识要点：CTC算法

适合语音识别和手写字符识别任务定义输入表示：符号序列X=[x1,x2,...,xT]X=[x_{1},x_{2},...,x_{T}]X=[x1,x2,...,xT]输出表示：符号序列Y=[y1,y2,...,yU]Y=[y_
szZack·2022-07-19 07:31

机器学习入门 - 梯度算法

构建模型f，通过f(x,w)=Ypredict判断模型质量的方法，计算lossloss=(Ypredict−Ytrue)2（回归损失）loss=Ytrue⋅log(Ypredict)（分类损失）loss=(Y_
Gentle灬Flying·2022-07-16 07:08

机器学习算法——手动搭建朴素贝叶斯分类器(附代码)

训练集SSS含有kkk个类别，表示为Y=(y1,y2,⋯ ,yk)Y=\left(y_{1},y_{2},\cdots,y_{k}\ri
Shiyang_·2022-07-12 07:18

CTC,RNN-Transducer, LAS

大目标是：min∑B(π)=z∏t=1Tyπttmin∑B(π)=z∑t=1Tlog(yπtt)min\sum_{B(\pi)=z}{\prod_{t=1}^{T}y_{\pi_t}^{t}}\\min
·清尘··2022-06-27 07:05

截止失真放大电路_常用音响技术：音频功放失真及改善方法

音频功放失真是指重放音频信号波形畸变的现象，通常分为电失真和声失真两大类。电失真就是信号电流在放大过程中产生了失真，而声失真是信号电流通过扬声器，扬声器未能如实地重现声音。无论是电失真还是声失真，按失真的性质来分，主要有频率失真和非线性失真两种。其中，引起信号各频率分量间幅度和相位的关系变化，仅出现波形失真，不增加新的频率成分，属于线性失真。而谐波失真(THD)、互调失真(IMD)等可产生新的频率
weixin_39889329·2022-06-09 08:42

CORDIC算法详解及FPGA实现

通过圆坐标系可以了解CORDIC算法的基本思想，如图1所示，初始向量(x1,y1)\left(x_{1},y_{1}\right)(x1,y1)旋转θ\thetaθ角度之后得到向量(x2,y2)\left
ngany·2022-05-31 10:33

matplotlib系列-plt.axis

plt.scatter(x,y)#XXX为如下几种设置方式plt.axis(XXX)plt.axis(‘square’)作图为正方形，并且x,y轴范围相同，即ymax−ymin=xmax−xminy_{max}-y_
转行的炼丹师·2022-05-25 02:44

机器学习——时间序列ARIMA模型(四)：自相关函数ACF和偏自相关函数PACF用于判断ARIMA模型中p、q参数取值

公式：ACF(k)=ρk=Cov(yt,yt−k)Var(yt)ACF(k)=\rho_{k}=\frac{Cov(y_{t},y_{t-k})}{V
天海一直在·2022-05-18 07:37

入门tensorflow笔记之神经网络优化

层数=隐藏层的层数+1个输出层总参数=总W+总b损失函数：预测值（y）与已知答案（y_）的差距。神经网络优化的目标：loss最小。
韩韩的博客·2022-05-13 07:19

深度优先搜索DFS,广度优先搜索BFS, 遍历矩阵

标记#include#include#includeusingnamespacestd;structaxis{axis():x(-1),y(-1){}axis(intx_,inty_):x(x_),y(y_
awhuter·2022-05-07 16:47

鞋带公式计算canvas多边形图形面积

$$S=\frac{1}{2}\left|\sum_{i=1}^{n}\left(x_{i}y_{i+1}-x_{i+1}y_{i}\right)\right|=\frac{1}{2}\left|\sum
·2022-04-12 12:06

入门机器学习（西瓜书+南瓜书）线性回归和逻辑回归总结（python代码实现）

代码实现）一、线性回归理论总结1.1通俗理解通俗理解的线性回归就是求解方程，拿一个最简单的例子来说就是对y=kx+by=kx+by=kx+b,只需要已知两个点(x1,y1),(x2,y2)(x_{1},y_
啥都不懂的小程序猿·2022-03-28 07:31

如何转换为YOLO txt格式

YOLOtxt文档格式，它是由classid,归一化后的center_x,center_y中心坐标以及归一化后的w,h组成，如下图所示：如果xmin、xmax、ymin、ymaxx_{min}、x_{max}、y_
求则得之，舍则失之·2022-03-24 02:39

计算机图形学算法-光栅图形学

Bresenham算法1.2数值微分法(DDA)数值微分法(DDA-DigitalDifferentAnalyzer)核心思想：增量思想，也基于直线方程Ax+Bx+C=0，y=kx+by_i=kx_i+b,y_
火星来的农民·2022-02-22 17:34

Latex公式如何分行

\begin{equation}\begin{split}L=\sum_{i=1}^{N}L_{c}(G_{c}(G_{f}(x_{i};\theta_{f});\theta_{c});y_{i})\\
一位学有余力的同学·2022-02-12 16:28

shell脚本定时维护数据库 --- 2021-05-06

shell脚本代码如下(mysql_db_backup.sh)#数据库定时备份#备份路径BACKUP=/data/backup/db#获取当前时间作为文件名DATETIME=$(date+%Y_%m_%
一位先生_·2022-02-11 06:20

里程计标定：直接线性方法

上一帧底盘位姿和当前底盘位姿：last_pose=[xlastylastθlast]now_pose=[xnowynowθnow]last\_pose=\begin{bmatrix}x_{last}\\y_
JasonLi0012·2022-02-05 07:59

【opencv-python】霍夫圆变换

=r2(x-x_{center})^2+(y-y_{center})^2=r^2(x−xcenter)2+(y−ycenter)2=r2，其中（xcenter,ycenter）（x_{center},y_
砍瓜切菜砍瓜切菜·2021-10-19 22:30

详细：tensorflow构建神经网络基础概念和梳理

1#：placeholderx=tf.compat.v1.placeholder(tf.float32,shape=[None,w,h,c],name='x')y_=tf.compat.v1.placeholder
ForLoveToFly·2021-10-19 16:46

MATLAB 四点定球及三点定圆(完整代码)

哈哈哈看到一个很有意思的想法，顺手写了一下：怎样快速求圆形或球形的隐函数方程、中心、半径先从四点定球开始：四点定球实际上是看到李扬老师的视频哈哈哈求通过不共面四点M1(x1,y1,z1)M_{1}\left(x_{1},y_
slandarer·2021-10-05 16:01

C++ ostream用法案例详解

那么ostream有什么用呢，来看一个场景：classCPoint{public:CPoint(intx_,inty_):x(x_),y(y_){}intx,y;};这里定义了一个简单的类CPoint，
·2021-08-20 16:47

Linux OS下替换`rm`为`mv`, 防止文件误删

rm-fr*,这里提供一种方法替换Linux下的rm为mv,实现删除文件备份的功能操作方法在/root/.bashrc中添加如下内容functionrm_mv(){curr_date=$(date+%Y_
hualong1009·2021-06-24 06:23

李航老师《统计学习方法》第二版第七章课后题答案

1.1、感知机的对偶形式由于李航老师书上的感知机的对偶形式有点问题，这里先对其进行一下改进最后学习到的感知机的参数是：w=∑i=1Nαiyixi(1)w=\sum_{i=1}^{N}\alpha_{i}y_
六七～·2021-04-23 16:35

汽车音响器材的搭配指引

在众多的汽车音响技术当中，器材搭配是其中一个重要的环节，同时也是广大汽车音响爱好者及发烧友十分关注的问题。
好好之家·2021-04-22 18:56

loss出现Nan的解决办法（梯度爆炸）

1、加入gradientclipping：例如用的是交叉熵cross_entropy=-tf.reduce_sum(y_*tf.log(y_conv))的话，最后softmax层输出y_conv的取值范围在
zhenggeaza·2021-04-21 19:12

李航老师《统计学习方法》第二版第四章答案

使用极大似然估计法推出朴素贝叶斯法概率估计公式（4.8）以及公式（4.9）.解答：概率估计公式（4.8）是：P(Y=ck)=∑i=1NI(yi=ck)N,k=1,2,...,KP(Y=c_{k})=\frac{\sum_{i=1}^{N}I(y_
六七～·2021-04-11 18:19

【游戏】基于matlab国际象棋【含Matlab源码 498期】

closeallglobalGrid_nGrid_wGrid_hBoardBoardWhitechess_xchess_yWhowinGrid_n=8;Grid_w=60;Grid_h=59;x_start=-70;y_start=100;x_back=-70;y_back=150;x_exit=-70;y_
紫极神光·2021-03-12 00:37
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他