在Alex Graves的这篇论文《Supervised Sequence Labelling with Recurrent Neural Networks》中对LSTM进行了综述性的介绍,并对LSTM的Forward Pass和Backward Pass
2021-10-15 16:54:48
300KB
1
Recommended system
als_mf算法流程：
初始化矩阵U和M，U矩阵大小为user_id * n_feature，其中user_id为用户id数，n_fearure为潜在特征；同理M矩阵大小为item_id * n_feature，其中item_id为项目id数；
生成user_id - item_id矩阵，其中行为user_id，列为item_id，值为用户评分rating，减去全局评分的均值；
误差等式为平方差公式，即真实值和预测值的评分差（R-U*M），为了防止过拟合，加上正则项，惩罚过大参数；
固定M矩阵，使用梯度下降，对误差等式f(U, M)求U梯度；
同样固定U矩阵，使用梯度下降，对误差等式f(U, M)求M梯度；
预测值为U*M，不断迭代上面两步，直到最近两次误差收敛到一个阈值时，停止更新参数（具体数学推导可看matrix factorization笔记及论
2021-10-10 11:41:28
504KB
1
卡尔曼滤波算法(含详细推导).ppt
考虑一离散时间的动态系统，它由描述状态向量的过程方程和描述观测向量的观测方程共同表示。
（1）、过程方程
式中，M 1向量x(n)表示系统在离散时间n的状态向量，它是不可观测的；M M矩阵F（n+1,n）成为状态转移矩阵，描述动态系统在时间n的状态到n+1的状态之间的转移，应为已知。而M 1向量 为过程噪声向量，它描述状态转移中间的加性噪声或误差。
2021-10-03 08:54:04
10.85MB
1
信号变换详细推导尤其是DFT解释细节-傅立叶变换自己详细推导过程.pdf
本帖最后由 yuejianboil 于 2013-7-29 11:22 编辑
这是我自己的DFT推导过程，解决自己的困惑之处。
2021-09-28 10:49:35
1.12MB
1
横截条件推导过程
问题描述：假定极值曲线的始端A(t0，x0)是固定的，而终端B(tf，xf)是可变的，并沿着给定的曲线
（1.3.1）
变动，如图1－7所示。现在的问题是需要确定一条从给定的点A(t0，x0)到给定的曲线(1.3.1)上的某一点B(tf，xf)的连续可微的曲线x(t) ，使得泛函
达到极小值。
（1.3.2）
2021-09-25 13:36:57
1015KB
1
在手机qq聊天记录db文件的情况下，推导出加密的IMEI值，
支持自动和手动模式，支持参数的设定。
求出IMEI之后我们就可以查看db文件的聊天记录
2021-09-22 17:35:09
7KB
1
自行推导公式多元线性回归的编程一、导入文本店铺面积和营业额的关系图车站距离和营业额的关系图二、计算下图三、计算R²
一、导入文本
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import math
df = pd.read_excel("D:\\面积-距离-车站.xlsx")
x1 = df["店铺面积"]
x2 = df["车站距离"]
y = df["月营业额"]
店铺面积和营业额的关系图
plt.scatter(x1,y)#散点图绘制原始数据x,y
#plt.plot(x1,y,col
2021-09-21 21:54:00
199KB
1