xiaojia_177-优快云博客

原创【论文阅读】Time-series dynamic three-way group decision-making model and its application in TCM efficacy

引入群体决策理论，对决策过程中产生的时间序列动态特征的评价信息进行聚合。最后，以中医药治疗特应性皮炎临床疗效评价决策问题为研究对象，以广东省中医院的实际临床数据为基础，对本文构建的理论模型的决策过程和步骤进行验证和应用。时间序列动态三支群体决策链：决策对象的正、负、边界域是在当前决策阶段和群体决策状态的条件下，通过下一阶段状态分布的迭代计算过程生成的。中医药疗效评价本质上是一个具有时间序列动态特征的群体决策问题，因为决策者（患者等）对决策属性的反复选择和评价过程产生了时间序列性和动态性的决策特征。

2023-03-21 20:54:09 218 1

原创【论文阅读】STWD-SFNN: Sequential three-way decisions with single hidden layer feedforward neural network

具体而言，在粗颗粒级，STWD-SFNN通过应用严格的阈值条件来处理易于分类的实例，而在细颗粒级，随着隐层节点数量的增加，STWD-SFNN更加注重通过应用宽松的阈值条件来处理难以分类的实例，从而实现实例的分类。在粗粒度级，应用严格的阈值条件处理易于分类的实例，在细粒度级，应用宽松的阈值条件处理难以分类的实例，并报告每个粒度级的过程成本；STWD-SFNN从粗到细进行造粒，在粗粒度层面应用较严格的条件对BND域进行分类，在细粒度层面应用较宽松的条件进行分类，直到BND域为空。时，完成所有实例的分类。

2023-03-18 17:39:29 375 1

原创时间窗口（Time Windows)

本贴介绍了时间窗口的相关概念，以及通过举例详细介绍时间窗口的工作原理。1. 时间窗口常用的时间窗口有：翻滚时间窗口(tumbling time window)滑动时间窗口(sliding time window)翻滚时间窗口翻滚时间窗口的窗口固定，比如设定一个1分钟的时间窗口，该时间窗口将只计算当前1分钟内的数据，而不会管前1分钟或后1分钟的数据。...

2021-12-08 17:38:51 8242 1

原创时间序列介绍

一、时间序列分析时间序列（Time Series）时间序列是指按照时间的顺序把随时间变化发展的过程记录下来而形成的随机变量序列。对时间序列进行观察、研究，寻找它的发展规律，预测它将来的走势，就是时间序列分析。时间序列构成要素任何时间序列经过合理的函数变换后，都可以被认为是由三个部分叠加而成的，即：趋势项部分，周期项部分，以及余项部分。用公式表示：Xt=Tt+Pt+Rt,t=1,2,3,…X_t=T_t+P_t+R_t,t=1, 2, 3,\dotsXt=Tt+Pt+Rt,t=1,2,3,

2021-12-03 17:39:23 5017

原创 Conclusion of how to write a paper in computer science

本学期的论文写作课程已经结束，在这门课中，老板（老板主页）将自己的写作经验:《How to write a boring paper in computer science?》为我们进行了细致入微的讲解。从Title到 Reference，老板为我们分享了每个部分需要遵守的规则和常犯的错误。本人目前研一，对于论文写作方面仅限于本科毕业论文。此贴是根据老板的经验分享所做的总结，方便在今后论文写作时翻阅回忆，自查自省。此贴将首先介绍论文写作的一些基本规则，然后围绕论文的总体结构展开介绍。一. 基本知

2021-11-10 13:47:36 494

原创论文阅读之Feature Selection Based on Neighborhood Self-Information

Feature Selection Based on Neighborhood Self-Information 从论文题目出发，突出重点：Feature Selection(特征选择)、NSI(邻域自信息)。接下来先对这两个部分进行大致描述，再对整篇论文进行粗略阐述。若有错误、不足之处，欢迎各位及时指正！Feature Selection Feature Selection，特征选择，也可以认为是attribute reduction，属性约简。在机器学习研究中，特征的数量往往较多，其中不乏无关

2021-10-12 23:17:11 451

原创三层前向传播网络

要实现三层前向传播网络，那么我们首先就三层网络的结构图进行分析。图一关于图一所示的感知机究竟是2层感知机还是3层感知机，在Freddyfang的帖子中写到：“严格意义上讲，权重的设置只存在于0-1层之间和1-2层之间，应该叫做2层感知机。”因此，我们在这里认为该图所示为2层感知机，即2层网络。设定三层网络的结构如图二所示，图二输入层到第一层： x1,x2x_1, x_2x1,x2 是输入信号，bbb 是偏置，W1=[w11(1)w21(1)w31(1)w1

2021-08-18 20:13:25 455

原创神经网络内积

本文首先对Freddyfang的博客所讲到的知识点进行总结，再对神经网络内积粗略描述。我们一开始接触到了感知机这一概念，即接受多个输入信号，得到一个输出信号。在将其应用于实践时，我们通过py代码实现了与门、或门、非门。以上均能通过一条直线将一个整体分为两个独立空间。而当我们要实现异或门时，单层感知机已不再适用，除非通过一条曲线将整个空间划为非线性空间。这样，我们就来到了多层感知机，多层感知机即为多层结构的神经网络。在感知机中，有数学表达式：y={0,(w1x1+w2x2+b

2021-08-17 23:00:53 807

原创感知机实现XOR

原文链接：DL都是从感知机开始的感知机：接受多个输入信号，输出一个信号上图x1x_1x1, x2x_2x2是输入信号, w1w_1w1, w2w_2w2是权重, yyy是输出信号。感知机的多个输入有各自的权重，权重越大，重要性越高。y={0,(w1x1+w2x2+b≤0)1,(w1x1+w2x2+b>0)y = \left\{\begin{aligned}0, &(w_1x_1+w_2x_2 +b\leq0) \\1, &(w_1x_1+w_2x_2 +b>

2021-08-09 18:08:49 729

原创魔鬼训练Day5作业

作业14写出本例中的 U\mathbf{U}U, C\mathbf{C}C, D\mathbf{D}D 和 V\mathbf{V}V. 注: 最后两个属性为决策属性.U={x1,x2,x3,x4,x5,x6,x7}\mathbf{U} = \{x_1, x_2, x_3, x_4, x_5, x_6, x_7\}U={x1,x2,x3,x4,x5,x6,x7}C={Headache,Temperature,Lymphocyte,Leukocyte,Eosinophil}\math

2021-08-03 19:38:46 113

原创魔鬼训练Day4作业

11.5 作业写出该无向图的邻接矩阵.该无向图的邻接矩阵表示为：E=[0111101011011010]\mathbf{E} = \begin{bmatrix}0 & 1 & 1 & 1 \\ 1 & 0 & 1 & 0 \\1 & 1 & 0 & 1 \\ 1 & 0 & 1 & 0\end{bmatrix}E=⎣⎢⎢⎡0111101011011010⎦⎥⎥⎤定义无向网络.Definit

2021-08-03 00:12:32 116

原创魔鬼训练Day3作业

8.4 作业将向量下标为偶数的分量 (x2, x4, …) 累加, 写出相应表达式.∑i=1x2i\sum_{i=1}x_{2i}i=1∑x2i各出一道累加、累乘、积分表达式的习题, 并给出标准答案.2.1 给出矩阵A=[150−32−769−1]\mathbf{A}=\begin{bmatrix}1 & 5 & 0 \\-3 & 2 & -7 \\ 6 & 9 &-1\end{bmatrix}A=⎣⎡1−365290−7−1⎦⎤, 将

2021-07-28 23:05:03 141

原创魔鬼训练Day2作业

4.6 作业令 A={1,2,5,8,9}\mathbf{A} = \{1, 2, 5, 8, 9\}A={1,2,5,8,9}, 写出 A\mathbf{A}A 上的 “模 2 同余” 关系及相应的划分.“模2同余”关系：R={(2,2),(2,8),(8,2),(8,8),(1,1),(1,5),(1,9),(5,1),(5,5),(5,9),(9,1),(9,5),(9,9)}\mathbf{R} = \{(2, 2), (2, 8), (8, 2), (8, 8),(1, 1), (1, 5)

2021-07-27 23:34:15 171 1

xiaojia_177