<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Vacoly的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Vacoly</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Vacoly]]></copyright><item><title><![CDATA[用LaTex写论文2]]></title><link>https://blog.youkuaiyun.com/Vacoly/article/details/123440523</link><guid>https://blog.youkuaiyun.com/Vacoly/article/details/123440523</guid><author>Vacoly</author><pubDate>Mon, 10 Nov 2025 11:12:54 +0800</pubDate><description><![CDATA[用LaTex写论文2前言模板错误
前言
想更详细记录一下用IEEE模板会遇到的问题和解决办法。
模板
IEEE-Template Selector
下载后会有两个tex，分别为bare sample和how-to。
先看bare sample，这个tex作为文章的样板。

在introduction里提到需要使用IEEEtran.cls1.8b以上的版本。下载地址：IEEEtran.cls下载
将其中的IEEEtran.cls加入到写作的文件夹中。
接着就讲了关于引用、图表的注意事项，可参考上一篇

再看h]]></description><category></category></item><item><title><![CDATA[最小二乘法]]></title><link>https://blog.youkuaiyun.com/Vacoly/article/details/121381697</link><guid>https://blog.youkuaiyun.com/Vacoly/article/details/121381697</guid><author>Vacoly</author><pubDate>Fri, 19 Nov 2021 17:05:44 +0800</pubDate><description><![CDATA[最小二乘法最小二乘法求多元函数的极值点
最小二乘法

最小二乘法的本质是什么
以用不同的尺子量长度为例，得到几个测量值，如何确定真值？“让误差的平方和最小的y就是真值。”这是基于如果误差是随机的，测量值会在真值上下波动。尺子的例子，优化目标min∑(y−yi)2min \sum(y-y_i)^2min∑(y−yi​)2，则目标函数对y求导，导数为零的y恰好为算数平均值。least square --&gt; 最小+平方
推广：用于多项式拟合
MATLAB实现
3.1 解方程
最小二乘法原理与MATLAB代码]]></description><category></category></item><item><title><![CDATA[物质导数]]></title><link>https://blog.youkuaiyun.com/Vacoly/article/details/116270585</link><guid>https://blog.youkuaiyun.com/Vacoly/article/details/116270585</guid><author>Vacoly</author><pubDate>Thu, 29 Apr 2021 15:52:21 +0800</pubDate><description><![CDATA[物质导数
原文

物质导数的物理意义为：它是运动的流体微团的物理量（任何物理量，如温度，密度）随时间的变化率，等于该物理量由当地时间变化所引起的变化率与由流体对流所引起的变化率之和。（前者是因为时间，后者是因为空间，两者相加是总的变化率）
可以把方程简单理解为全微分。
举例是，上午从北京坐高铁，中午到达上海，其间温度的变化既有当地导数（从上午到中午），也有对流导数（空间位置变化）

...]]></description><category></category></item><item><title><![CDATA[用LaTex写论文]]></title><link>https://blog.youkuaiyun.com/Vacoly/article/details/115377977</link><guid>https://blog.youkuaiyun.com/Vacoly/article/details/115377977</guid><author>Vacoly</author><pubDate>Mon, 19 Apr 2021 16:51:27 +0800</pubDate><description><![CDATA[用LaTex写论文前言1.VSCode+LaTex配置1.1新建TEX文件1.2 使用模板2.论文撰写2.1 中文环境2.2 模板使用2.2.1 参考文献3.LaTex资料汇总3.1 符号
前言
用LaTex写论文，为了美观好看，为了不用来回操作格式。
1.VSCode+LaTex配置
LaTex安装
这个是安装TexLive，用VSCode写的话，可以不安装，直接用VSCode+LaTex配置
1.1新建TEX文件
上面的链接里有。
在电脑上新建一个文件夹，然后用VS打开，就在这个文件夹写论文。

新建 ]]></description><category></category></item><item><title><![CDATA[拟合指标]]></title><link>https://blog.youkuaiyun.com/Vacoly/article/details/115447461</link><guid>https://blog.youkuaiyun.com/Vacoly/article/details/115447461</guid><author>Vacoly</author><pubDate>Tue, 13 Apr 2021 10:32:35 +0800</pubDate><description><![CDATA[拟合指标
原博

SSE（和方差）
SSE=∑i=1nwi(yi−yi^)2SSE=\sum_{i=1}^nw_i(y_i-\hat{y_i})^2SSE=∑i=1n​wi​(yi​−yi​^​)2
RMSE（均方根）
也叫回归系统的拟合标准差，
RMSE=MSE=SSE/n=1n∑i=1nwi(yi−yi^)2RMSE=\sqrt{MSE}=\sqrt{SSE/n}=\sqrt{\frac{1}{n}\sum_{i=1}^nw_i(y_i-\hat{y_i})^2}RMSE=MSE​=SSE/n​=n1​]]></description><category></category></item><item><title><![CDATA[MATLAB实用命令]]></title><link>https://blog.youkuaiyun.com/Vacoly/article/details/114394424</link><guid>https://blog.youkuaiyun.com/Vacoly/article/details/114394424</guid><author>Vacoly</author><pubDate>Wed, 24 Mar 2021 15:58:26 +0800</pubDate><description><![CDATA[MATLAB绘图实用命令]]></description><category></category></item><item><title><![CDATA[Mendeley管理参考文献]]></title><link>https://blog.youkuaiyun.com/Vacoly/article/details/114539435</link><guid>https://blog.youkuaiyun.com/Vacoly/article/details/114539435</guid><author>Vacoly</author><pubDate>Tue, 09 Mar 2021 11:30:42 +0800</pubDate><description><![CDATA[提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

管理参考文献前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结

前言
方便，不重复劳动地管理参考文献。需求有：能自动抓取作者、期刊名等信息；按照格式生成参考文献条目；方便引用。

提示：以下是本篇文章正文内容，下面案例可供参考
一、pandas是什么？
示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。
二、使用步骤
1.引入库
代码如下（示例）：
import numpy as np]]></description><category></category></item><item><title><![CDATA[散点图的相关性与显著性---MATLAB]]></title><link>https://blog.youkuaiyun.com/Vacoly/article/details/114370581</link><guid>https://blog.youkuaiyun.com/Vacoly/article/details/114370581</guid><author>Vacoly</author><pubDate>Thu, 04 Mar 2021 17:17:23 +0800</pubDate><description><![CDATA[散点图的相关性与显著性---MATLAB背景1.相关性与显著性检验2.MATLAB函数corrcoef

背景
得到了两个变量的一组数据，绘制散点图，似乎很有关系，如下：

在直接用matlab拟合出方程之前，可以先检测其相关性与显著性。

1.相关性与显著性检验
相关性：两个变量间的线性相关性，用 r 值衡量，r为正是正相关，r为负是负相关，范围-1~1.
统计假设检验：对随机变量的分布/参数做出一个假设，利用样本数据来检验这个假设；如果只限定犯第一类错误的概率，则是显著性检验（significance ]]></description><category></category></item></channel></rss>