chenwei的博客

2.1 设定优化目标这一部分引入是因为一个问题：在通过采样的方法(蒙特卡洛法)计算下面这个式子的时候可不可以走捷径(shortcut)？实际上(in practice)，对大多数的潜变量zzz而言，P(X∣z)P(X|z)P(X∣z)都是nearly zero的，因此它们对我们估计P(X)P(X)P(X)是没啥用的。这里就涉及到了VAE的核心思想了：尽量只采样那些对生成XXX 有贡献的zzz，然后用它们估计P(X)P(X)P(X) 。那么问题来了，从哪个分布里面去采样才能达到这个目的呢？不妨假设

有时候在求解规划问题时，我们想要让得到的解满足一定的条件，换句话说，如果得到的解不能满足一定的条件我们更加倾向于拒绝它，而且这种倾向还是比较大的。这种情况在实际应用中比较常见，比如在准备出去旅行时，我们肯定不太希望背包里面放置特别重的东西，这时候就可以加一个条件，如果物品的重量大于一个给定的临界值，那么它的价值将大大降低，而这种大大降低可以通过给其添加一个很大的系数实现。同样的，在求解神经网络损失函数的最小值时，我们希望自变量权重向量www满足一定的条件，如果不满足，就给其狠狠地惩罚一下。这时候我们就会在

目录1 总体主成分1.1 主成分的定义与导出1.2 主成分的性质1.3 从相关矩阵出发求主成分2 样本主成分2.1 从S出发求主成分2.2 从R出发求主成分3 相关的R函数以及实例3.1 `princomp`函数3.2 `summary`函数3.3 `loadings`函数3.4 `predict`函数3.5 `screeplot`函数3.6 `biplot`函数4 实例附录——PCA高级散点图的...

例1clear,clc%% 数据准备x1 = [7 1 11 11 7 11 3 1 2 21 1 11 10]';x2 = [26,29,56,31,52,55,71,31,54,47,40,66,68]';x3 = [6 15,8,8,6,9,17,22,18,4,23,9,8]';x4 = [60,52,20,47,33,22,6,44,22,26,34,12,12]';y = [78.5 74.3 104.3 87.6 95.9 109.2 102.7 72.5 93.1 115.9

---title: "Summary of Reading"author: "ChenWei"date: "2020/6/24"output: word_document---```{r setup, include=FALSE}knitr::opts_chunk$set(echo = TRUE)    这一次我阅读的是Francisco Martinez等著的《Time Series Forecasting with KNN in R: the tsfknn Package》，这篇文章

理论实现数据：2,4,4,2,3,3,02,2,3,2,1,2,12,3,3,2,2,3,12,2,3,2,5,2,12,3,4,3,2,2,01,5,4,2,2,1,02,5,4,4,4,1,02,4,4,4,4,7,01,4,2,2,2,4,02,3,3,2,5,2,01,2,2,2,1,3,02,5,4,2,5,2,01,5,3,4,4,2,12,6,2,2,4,1,02,4,4,3,4,2,02,2,4,3,5,3,01,6,3,3,4,7,01,4,4,

一、理论二、实战分析x1 <- c(5,7,3,6,6)x2 <- c(7,1,2,5,6)X <- cbind(x1,x2)# 计算初始距离矩阵dist(X) # 默认计算欧式距离dist(X,diag=TRUE) # 显示对角线元素dist(X,diag=TRUE,upper = TRUE) # 显示对角线元素和上三角元素dist(X,method = 'manhattan')dist(X,method = 'minkowski',p=1)

前言：以前使用Matlab绘制ROC曲线常常是工具箱有就画，没有就不画，而且在想画的时候工具箱恰恰就没有，很纳闷。然后无意间发现了一篇用R语言绘制ROC曲线的文章，赶紧学了并分享出来，以备不时之需。先通过一个例子来讲解一下参数的作用，使用的数据是大名鼎鼎的Iris数据集，R语言自带。数据处理第一步当然得处理一下数据。默认的Iris数据集有三类鸢尾花，我目前的理解是只有二分类才画的出ROC曲...

前言判别分析是用以判别个体所属群体的一种统计方法，它产生于20世纪30年代，近年来，在许多现代自然科学的各个分支和技术部门中，得到广泛的应用.例如，利用计算机对一个人是否有心脏病进行诊断时，可以取一批没有心脏病的人，测其p个指标的数据，然后再取一批已知患有心胜病的人，同样也测得p个相同指标的数据，利用这些数据建一个判别函数，并求出相应的临界值，这时对于需要进行诊断的人，也同样测其p个指标的数据...

文章目录1.背景2. 单种运输工具带时间窗2.1 带时间窗车辆路径问题的描述2.2 遗传算法的求解2.2.1 编码方案的设计2.2.2 种群初始化2.2.3 约束处理与适应度函数2.2.4 选择算子2.2.5 交叉算子2.2.6 变异算子2.2.7 其他部分2.3 粒子群算法的求解3. 多种运输工具不带时间窗3.1 立体交通介绍3.2 遗传算法求解3.2.1 染色体编码设计3.2.2 适应度函数3...

一、生物神经元简介1.1生物神经元的结构参考资料：https://mp.weixin.qq.com/s?__biz=MzA4MTg3NDgwNQ==&mid=2247486270&idx=1&sn=12e35b20ad8464d051062a4e40810ae0&chksm=9f8f1124a8f898323cc0335c012c1ba020c9c1da972...