rnx

感知机

模型功能：二类分类线性分类模型模型类别：判别模型输入数据：线性可分感知机模型假设输入空间(特征空间)为X⊆RnX\subseteqR^nX⊆Rn,输出空间Y⊆{−1,
tt12121221·2020-08-19 04:39

第6章 逻辑斯蒂回归与最大熵模型

exp(ω⋅x+b)(1)(1)P(Y=1|x)=exp(ω⋅x+b)1+exp(ω⋅x+b)P(Y=0|x)=11+exp(ω⋅x+b)(2)(2)P(Y=0|x)=11+exp(ω⋅x+b)这里，x∈Rnx
winds_lyh·2020-08-19 00:42

ADMM算法

ADMM对偶下降minimizef(x)subjecttoAx=bminimize\\f(x)\\subject\\to\\Ax=bminimizef(x)subjecttoAx=b其中，x∈Rnx\inR
看风景的人lsy·2020-08-18 00:46

数值分析--第二章--范数

向量范数定义假设∣∣⋅∣∣||\cdot||∣∣⋅∣∣为向量空间RnR^nRn的实值函数，且满足以下三个条件：非负性：对于任何向量x∈Rnx\inR^nx∈Rn，∣∣x∣∣≥0||x||\ge0∣∣x∣
城市背后·2020-08-17 13:54

《统计学习方法》第二章: 感知机 读书笔记

数学表达：输入空间X⊆RnX\subseteqR^nX⊆Rn，输出空间是y={+1,−1}y=\{+1,-1\}y={+1,−1}，输入实例x,输出实
ErinLiu❤·2020-08-17 10:32

【批量解压d文件】d文件是GNSS观测数据文件

002天的数据ftp://cddis.nasa.gov/pub/gnss/data/daily/2019/002/19d/四系统BRDC（BRDC00IGS_R_20190020000_01D_MN.rnx.gz
XiaoGongWei18·2020-08-16 17:58

Bernese 5.2安装

bernese软件，至今已经学习了一年半的时间，不好意思的说只是对如何使用bernese软件有一个大概的了解（不会修改代码进行二次开发），接下来的一段时间，我会对bernese软件PPP（精密单点定位）、RNX2SNX
xax19951107·2020-08-16 17:43

如何调试和运行rtklib自带的rnx2rtkp项目

一、前言rtklib开源程序包中，除了包含供调用的c/c++库文件，如.h文件和.c文件等，还包含了相关算法的VS项目实现，常用的有三个：rnx2rtkp、pos2kml和convbin。
fish known·2020-08-16 16:46

[GAMIT学习笔记]一些常用到的脚本合集(2020.0814更新)

利用脚本可以免去很多麻烦，现整理如下：解压*.Z文件：uncompress*.Z生成l文件：在rinex文件夹下依次运行：grepPOSITION*.19o>lfile.rnxrx2aprlfile.rnx2019216gapr_to_llfile.rnx.aprlfile
effhrong·2020-08-16 16:03

crx2rnx格式转换

特别注意需要将crx2rnx程序放在跟数据同一个文件夹下面。不要对压缩文件进行转换，一定要将压缩文件解压，解压后的d文件才能被crx2rnx转换。进入指定文件夹，（我的文件夹为F盘，DATA文件夹）。
Hito CHOW·2020-08-16 14:37

GNSS常用网站

GNSS常用网站crx转化为rnx格式的软件http://ocijpaoi3.bkt.clouddn.com/RNXCMP.ziphttp://blog.sciencenet.cn/blog-3129515
qq_42180370·2020-08-16 14:41

RTKLIB相对定位处理流程之二（postpos/后处理）

一、相对定位处理流程1、调用主函数：rnx2rtkp.c2、调用后处理函数：postpos.c3、处理基站信息：execses_b位于postpos.c4、处理移动站信息：execses_r位于postpos.c5
枯荣有常·2020-08-15 20:46

多元函数第六：连续函数（6）Bolzano-Weierstrass 波尔查诺-维尔斯特拉斯定理 聚点与列紧集

定义给定Rn\mathbb{R}^nRn上的点集AAA，我们说x∈Rnx\in\mathbb{R}^nx∈Rn是AAA的一个孤立点，如果存在xxx的邻域UUU满足U∩A={x}U\capA=\{x\}U
汪星人来地球·2020-08-08 16:05

第十讲：主成分分析（Principal components analysis）

前面我们讲了因子分析（factoranalysis），其中在某个kkk维度子空间对x∈Rnx∈R^nx∈Rn进行近似建模，kkk远小于nnn，即k≪nk≪nk≪n。
xyk_hust·2020-08-04 08:50

凸优化学习笔记 14：SDP Representablity

定义：集合X⊆RnX\subseteqR^nX⊆Rn是SDP-Rep的，如果他可以表示为X={x∣thereexistu∈RksuchthatforsomeAi,Bj,C∈Rm×m:∑ixiAi+∑jujBj
Bonennult·2020-08-04 06:28

SVM——硬间隔最大化

统计学习方法》中的符号系统数据集D={(x(1),y(1)),(x(2),y(2)),⋯,(x(m),y(m))}D={(x(1),y(1)),(x(2),y(2)),⋯,(x(m),y(m))}，x(i)∈Rnx
o0Helloworld0o·2020-08-03 02:46

多项式核函数相关推导

定义设x=(x1,x2,…,xn)T∈Rnx=(x_1,x_2,\dots,x_n)^T\inR^nx=(x1,x2,…,xn)T∈Rn,则称乘积xj1xj2…xjdx_{j_1}x_{j_2}\dotsx
搏击俱乐部_·2020-08-03 01:09

Ceres Solver 官方教程学习笔记（十三）——非线性最小二乘问题的解算Solving Non-linear Least Squares （上）

设x∈Rnx∈Rn是一个nn维向量，并且F(x)=[f1(x),...,fm(x)]⊤F(x)=[f1(x),...,fm(x)]⊤是关于xx的nn维方程。
小政哥·2020-07-29 00:26

朴素贝叶斯分类算法的原理及其python实现

模型描述与假设模型描述期望风险最小化生成式模型朴素假设二、模型学习与参数估计伯努利模型（文本型）多项式模型（词频型）高斯模型三、python实现伯努利模型多项式模型高斯模型四、多项式模型之文本分类一、模型描述与假设模型描述假设输入随机向量X⊂X∈RnX
十里清风·2020-07-28 11:35

稀疏编码的经典解法——ISTA算法的推导

\x=Dzmin∥z∥0s.t.x=Dz\qquad其中D∈Rn×mD\in\mathbb{R}^{n\timesm}D∈Rn×m,z∈Rmz\in\mathbb{R}^{m}z∈Rm是x∈Rnx\in
Mr_Lowbee·2020-07-14 05:06

第九讲：因子分析（Factor analysis）

如果有一个多个高斯模型混合（amixtureofseveralGaussians）而来的数据集x(i)∈Rnx^{(i)}∈R^nx(i)∈Rn，那么就可以用期望最大化算法（EMalgorithm）来对这个混合模型
xyk_hust·2020-07-12 17:56

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∈RNmin⁡xf(x)\min_{x}f(x)xminf
Xu_mWam·2020-07-09 02:58

【软件】趣制作_1.0.2

_wv=1027&k=5A8rnX3【Filename】趣制作【Size】16.51M【VersionCode】1.0.2【VersionName】7【Package】com.zsyj.videomake
妖雪恋人·2020-07-07 19:09

LwIP.PHY.KSZ9031RNX

新一块板子米尔科技的z-turn使用的PHY芯片是Micrel的KSZ9031RNX而不是zedboard上的Marvell的。直接使用lwip的echoserverdemo时会报错，无法启动。
weixin_30576859·2020-07-05 21:31

【RTKLIB】使用RTKPOST控制台程序RNX2RTKP程序批量处理GNSS数据

RNX2RTK使用好久没有写博客，勤奋努力学习的人才能成功，只是写论文不如让我写博客。昨天老师给分配一个用RTKlib批量处理数据的任务，我的第一个想法就是想到了CUI来处理。
I am SJJ·2020-07-05 07:36

Coursera吴恩达《神经网络和深度学习》课程笔记(2)

样本：(x,y)，训练样本包含m个；其中x∈Rnx，表示样本x包含nx个特征；y∈0,1，目标值属于0、1分类；训练数据：{(x(1),y(1)),(x(2),y(2)),⋯,(x(m),y(m))}输入神经网络时样本数据的形状
遇见更好的自己·2020-06-30 06:41

【GPS】d文件转换为o文件

上次提到“日本国土地理院的YukiHatanaka提供工具软件crx2rnx/rnx2crx可以在HatanakaRINEX（就是我下载的d文件）和标准RINEX格式之间转换”，所以赶紧向度娘索要软件啦
weixin_30872733·2020-06-28 01:10

【软件】讯飞语记_4.4.1227

_wv=1027&k=5A8rnX3【Filename】讯飞语记【Size】20.19M【VersionCode】295【VersionName】4.4.1227【Package】com.iflytek.vflynote
妖雪恋人·2020-06-21 18:19

【统计学习方法】第二章 感知机和课后习题

2.1感知机模型符号说明：输入空间：X⊆RnX\subseteqR^{n}X⊆Rn输入变量：x∈Xx\inXx∈X输出空间：Y={+1,−1}Y=\{+1,-1\}Y={+1,−1}输出变量：y∈{+1
刘大望·2020-06-15 21:02

Bernese的OBS-max基线选择模式下的冗余基线

针对标准的RNX2SNX.PCFobs-max冗余基线obs-max冗余基线obs-max-基线相关性
测绘小兵·2020-03-11 18:05

React Native 中 Touchable* 组件事件捕获问题

解决这个问题最初是同事在rnx-ui/Overlay组件的使用过程中发现的。下面就结合Overlay组件介绍下该问题的3个解法。最初Overlay组件结构如下：{this.props
威尔明顿的母牛·2019-08-27 00:00

感知机 —— 算法（对偶形式）

⋅⋅,(xN,yN)}T=\left\{(x_1,y_1),(x_2,y_2),···,(x_N,y_N)\right\}T={(x1,y1),(x2,y2),⋅⋅⋅,(xN,yN)}，其中xi∈χ=Rnx_i
迷途无归·2019-08-15 23:58

机器学习（九）——均值聚类算法(k-means)

其中的x(i)∈Rnx^{(i)}\inR^nx(i)∈Rn，而并未给出分类标签y(i)y^{(i)}y(i)。所以这就是一个无监督学习的问题了。KKK
天天乐见·2019-05-23 14:38

机器学习：感知机

1、感知机模型假设输入空间是X⊆RnX\subseteq\mathbb{R}^{n}X⊆Rn，输出空间是Y={+1,−1}Y=\le
LeungFe·2019-04-27 16:08

《统计学习方法》：第二章：感知机

1、感知机定义假设：输入空间为X∈RnX∈R^nX∈Rn，输出空间为Y∈{−1,+1}Y∈\{-1,+1\}Y∈{−1,+1}，输入实例的特征向量为：x∈Xx∈Xx∈X它对应
大白菜—NLP·2019-04-24 16:15

《统计学习方法》：第二章：感知机

1、感知机定义假设：输入空间为X∈RnX∈R^nX∈Rn，输出空间为Y∈{−1,+1}Y∈\{-1,+1\}Y∈{−1,+1}，输入实例的特征向量为：x∈Xx∈Xx∈X它对应
大白菜—NLP·2019-04-24 16:15

《统计学习方法》第四章: 朴素贝叶斯法 读书笔记

我的实现一切为了数据挖掘的准备4.朴素贝叶斯法（naiveBayes）朴素贝叶斯是基于贝叶斯定理与特征条件独立假设的分类方法生成模型判别模型4.1朴素贝叶斯的学习与分类4.1.1基本方法表达：输入空间X⊆RnX
ErinLiu❤·2019-04-15 15:37

统计学习方法-朴素贝叶斯

朴素贝叶斯法朴素贝叶斯法=贝叶斯定理+特征条件独立.输入X∈RnX\inR^nX∈Rn空间是n维向量集合，输出空间y={c1,c2,...,cK}y=\{c_1,c_2,...,c_K\}y={c1,c2
xiaoranone·2018-12-27 11:41

统计学习方法-朴素贝叶斯

朴素贝叶斯法朴素贝叶斯法=贝叶斯定理+特征条件独立.输入X∈RnX\inR^nX∈Rn空间是n维向量集合，输出空间y={c1,c2,...,cK}y=\{c_1,c_2,...,c_K\}y={c1,c2
xiaoranone·2018-12-27 11:41

机器学习-雅可比式与多元高斯分布

假设x,y∈Rnx,y\inR^nx,y∈Rn，并且两者之间线性变换关系y=Ax+μy=Ax+\muy=Ax+μ（也可以展开表示为方程组形式)，则雅可比式可以表示为J=∣dy1dx1...dy1dxndy2dx1
wenffe·2018-12-21 16:48

最小二乘法数学原理推导

该方程组可能不存在真正的解，这时我们就希望可以求解它的一个近似解x∗x^*x∗，使得其能尽可能地接近(1)的真正解，其中A∈Rk×n,b∈RkA\inR^{k×n},b\inR^kA∈Rk×n,b∈Rk是已知的，而x∈Rnx
chenhch8·2018-09-03 11:50

李航统计学习 第四章 朴素贝叶斯

第四章朴素贝叶斯输入空间X⊆RnX⊆Rn为nn维向量集合，输出空间为类别标记集合Y={c1,c2,⋯,cK}Y={c1,c2,⋯,cK}训练集T={(x1,y1),(x2,y2),⋯,(xN,yN)}T
丁耗·2018-07-03 22:35

朴素贝叶斯法

思想1)输入空间:X∈RnX∈Rn为nn维向量空间的集合。输出空间为分类标记空间Y=c1,c2...ckY=c1,c2...ck。训练集T=(x1,y1),(x2,y2)...
doulinxi115413·2018-05-21 09:57

《统计学习方法》感知机学习笔记与Python实现

学习笔记1.感知机模型假设输入空间（特征空间）是X⊆RnX⊆Rn，输出空间是Y={+1,−1}Y={+1,−1}。
baixiangxue·2018-05-20 20:05

【Numerical Optimization】2 非约束优化基础 （Jorge Nocedal 学习笔记）

本章主要介绍：无约束优化的基本概念（泰勒定理等），以及各种算法（线搜索/信任域）的基本介绍总览对于无约束优化，其数学表达如下：minxf(x)minx⁡f(x)其中x∈Rnx∈Rn是实数向量且n>=1n
Gotham_·2018-04-04 18:20

04. logistic回归-反向传播

回归想直接看反向传播的视频的，但发现Ng的符号使用不太一样，所以先从头看点～顺便重新理解了一下logistic回归，貌似又有了新的感觉～就记录下来吧1.符号表示：input：x.shape=Rnxx.shape=Rnx
潘小榭·2018-03-15 14:14

机器学习入门之《统计学习方法》笔记——朴素贝叶斯法

目录朴素贝叶斯法参数估计极大似然估计学习与分类算法算法朴素贝叶斯算法贝叶斯估计小结参考文章朴素贝叶斯法  设输入空间X⊆RnX⊆Rn为nn维向量的集合，输出空间为类标记集合Y={c1,c2,...,cK
Quanfita·2018-02-21 19:58

keras搬砖系列-正则化

keras搬砖系列-正则化1，正则化简介以逻辑回归来对正则化进行介绍逻辑回归原来的代价函数为：minw,bJ(w,b)=minw,b1m∑mi=1L(y^(i),y(i))其中：w∈Rnx,b∈R加入正则化为
googler_offer·2018-01-21 20:23

浅谈对机器学习的理解

http://www.njliaohua.com/lhd_3cxof67mgc175ln25rnx_1.html浅谈对机器学习的理解人工智能大师西蒙曾说过：“学习就是系统在不断重复的工作中对本身能力的增强或者改进
步步为赢567·2017-12-20 12:02

机器学习（7）K-mean聚类

训练数据集{x(1),x(2),…,x(m)}{x(1),x(2),…,x(m)}(其中x(i)∈Rnx(i)∈Rn)和聚类数量KK（将数据划分为KK类）；算法输出是KK个聚类中心μ1,μ2,…,μKμ1
CCH陈常鸿·2017-12-13 16:03
上一页 1 2 3 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他