- 博客(40)
- 收藏
- 关注
RSS订阅原创 使用 X11 转发服务器界面
通过 SSH 的 X11 转发功能，将服务器的 GUI 窗口转发到本地。服务器确保安装 X11 库：bash本地电脑通过 SSH 连接并启用 X11 转发：bash。
2025-08-21 21:06:24
438
原创 AttributeError: module ‘ffmpeg‘ has no attribute ‘probe‘
系统里安装了另一个名为 ffmpeg 的模块，就会覆盖掉 ffmpeg-python 的功能，导致报出 “module ‘ffmpeg’ has no attribute ‘probe’” 的错误。
2025-08-19 17:24:13
357
原创 torch.hub.load报错HTTP Error 403: rate limit exceeded
model = torch.hub.load(“PeterL1n/RobustVideoMatting”, “resnet50”).cuda()的时候出现。
2025-08-19 12:14:30
315
原创 huggingface下载问题
git clone https://huggingface.co/spaces/ZebangCheng/Emotion-LLaMACloning into ‘Emotion-LLaMA’…fatal: unable to access ‘https://huggingface.co/spaces/ZebangCheng/Emotion-LLaMA/’: Failed to connect to huggingface.co port 443: Connection timed outgit clone
2025-07-28 16:38:09
783
翻译 A new point containment test algorithm based on preprocessing and determining triangles
点是否在体内
2022-10-25 10:19:23
398
原创 LSTM 总结
RNNRNN之所以有记忆，是因为在每个t完成后，其产生的结果会在下一个t开始时，于X一起输送给RNN运算，相当于输入中包涵了之前所有t的精华。普通RNN不仅仅是一个tanh层遗忘门作用对象： 细胞状态作用：将细胞状态中的信息选择性的遗忘，决定应丢弃或保留哪些信息。来自前一个隐藏状态的信息和当前输入的信息同时传递到sigmoid函数中，输出0-1之间的数。函数中输入门作用对象：细胞状态作用：将新的信息选择性的记录到细胞状态中。首先将前一层隐藏状态的信息和当前输入的信息传递到sig..
2020-09-20 15:48:28
408
原创 Random Effect Model
Since σu2,σα\sigma^2_u,\sigma_\alphaσu2,σα are unknown, we could use Feasible GLS.The FGLS is equivalent to a quasi-difference transformation:Yit−λ^Y‾i=(Xit−λ^X‾i)′β+(εit−λ^ϵ‾i)Y_{it}-\hat \lambda \overline Y_i=(X_{it}-\hat\lambda \overline X_i)'\beta+
2020-09-18 12:48:54
1526
原创 pix2pixHD
主要问题：利用GAN生成高分辨率图像很困难；在高分辨率结果中确实量细节；pix2pix使用UNET作为生层漆，使用券链接网络作为判别器。提高分辨率使用一个粗到精的生成器，一个多尺度判别器和一个鲁棒的目标函数。粗到精的生成器将生成器分解为两个子网络：G1,G2G_1,G_2G1,G2，我们称G1G_1G1为全集生成网络，G2G_2G2为局部提升网络。多尺度判别器分为 D1,D2,D3D_1,D_2,D_3D1,D2,D3，具体来说，我们对真实图像和合成图像进行2倍和4 倍的.
2020-09-17 14:33:24
465
原创 点云目标检测
采集3600360^03600的数据为一帧，最多包涵32*(360/0.2)=57600.水平32条线，转动角分辨率0.2。但是由于天空等无法获得点云，实际得到约40000个点。VoxelNet：两个过程：Voxel Feature Extraction 提取特征。第二个是目标检测过程。两个问题：三维卷积复杂度高，voxedl数量大会引入错误。PointNet++尝试通过聚类建立点与点的拓扑，在聚类中心学习特征。问题：点云中很难根据一个点确定物体的中心。鸟瞰图把不同高度点云的特征信息转.
2020-09-17 12:46:36
2984
原创 Signaling
Signaling refers to a situation where the party offering the contract(the principal) has private information.In that case, the nature of the contract offered/ or the nature of some action taken by the Principal can send a signal to the agent about this in
2020-08-26 15:26:49
385
原创 Information Asymmetry: an Example
A buyer wants to buy a second-hand car. The a priori distribution of seller’s valuation of his car uniform[10,100]. The seller knows perfectly the realization of . We use “a seller ” to denote a sel...
2020-03-22 22:27:02
333
原创 笔记：物化的技术进步
技术进步是资本增加型的情况若设索洛模型的技术进步是资本增加型而不是劳动增加型。假设生产函数为Y=[AK]aL1−aY=[AK]^aL^{1-a}Y=[AK]aL1−a其中Y,A,K,LY,A,K,LY,A,K,L表示Y(t),A(t)...Y(t),A(t)...Y(t),A(t)...等。设A˙=μA,L˙/L=n\dot A=\mu A,\dot L/L=nA˙=μA,L˙/L=n。为了...
2020-01-31 23:06:05
650
原创 笔记：平衡增长路径附近y的收敛速度
设y=f(k)y=f(k)y=f(k)的反函数是k=g(y)k=g(y)k=g(y)。函数y˙=y˙(y)\dot y=\dot y(y)y˙=y˙(y)再y∗y^*y∗处的一阶泰勒展开式y˙≈∂y˙∂y∣y=y∗(y−y∗)\dot y \approx \frac{\partial \dot y}{\partial y}|_{y=y^*}(y-y^*)y˙≈∂y∂y˙∣y=y∗(y...
2020-01-31 16:06:28
1402
原创 例题：索洛模型——要素支付
令w=∂F(K,AL)/∂L,r=[∂F(K,AL)/∂K]−δw=\partial F(K,AL)/\partial L,r=[\partial F(K,AL)/\partial K]-\deltaw=∂F(K,AL)/∂L,r=[∂F(K,AL)/∂K]−δ证明www为A[f(k)−kf′(k)]A[f(k)-kf'(k)]A[f(k)−kf′(k)]Y=ALf(K/AL)Y=ALf(K...
2020-01-31 11:38:42
1360
原创 例题：索洛模型——弹性与收敛速度
找出平衡增长路径上没单位有效劳动的产出y∗y^*y∗关于人口增长率nnn的弹性。如果ak(k∗)=1/3,g=2%,δ=3%a_k(k^*)=1/3,g=2\%,\delta=3\%ak(k∗)=1/3,g=2%,δ=3%,nnn由2%下降至1%会使y∗y^*y∗提高多少？首先，对y∗=f(k∗)y^*=f(k^*)y∗=f(k∗)两边对nnn求导数∂y∗∂n=f′(k∗)∂k∗∂n\fra...
2020-01-30 17:01:19
3598
原创 笔记：实际经济周期理论
一个基准模型设生产函数为可不道格拉斯函数Yt=Kta(AtLt)1−aY_t=K_t^a(A_tL_t)^{1-a}Yt=Kta(AtLt)1−at+1t+1t+1时刻基本存量Kt+1=Kt+It−δKt=Kt+Yt−Ct−Gt−δKtK_{t+1}=K_t+I_t-\delta K_t=K_t+Y_t-C_t-G_t-\delta K_tKt+1=Kt+It−δKt=K...
2020-01-29 22:41:23
1378
原创 笔记：罗默模型
模型设定生产函数：Y=[∫i=0AL(i)ϕdi]1/ϕY=[\int _{i=0}^AL(i)^\phi di]^{1/\phi}Y=[∫i=0AL(i)ϕdi]1/ϕ成本最小化问题的拉格朗日函数为L=∫i=0Ap(i)L(i)di−λ{[∫i=1AL(i)ϕdi]1/ϕ−1}L=\int _{i=0}^A p(i)L(i)di-\lambda\{{[\int _{i=1}^A L(...
2020-01-29 18:39:32
3182
原创 笔记：内生增长
没有资本的模型当模型中没资本时，产品的生产函数Y(t)=A(t)(1−aL)L(t)Y(t)=A(t)(1-a_L)L(t)Y(t)=A(t)(1−aL)L(t)类似地，新知识的生产函数变为：A˙(t)=B[aLL(t)]γA(t)θ\dot A(t)=B[a_LL(t)]^{\gamma}A(t)^\thetaA˙(t)=B[aLL(t)]γA(t)θAAA的增长率为gA=A˙(...
2020-01-26 18:26:22
633
原创 笔记：戴蒙德模型
欧拉方程戴蒙德世代交替模型考虑了人口的新老更替。假设在第ttt期有LtL_tLt人出生，人口增长率为nnn,因此Lt=(1+n)Lt−1L_t=(1+n)L_{t-1}Lt=(1+n)Lt−1。在ttt期有LtL_tLt人处于寿命的第一个时期，Lt−1=Lt/(1+n)L_{t-1}=L_t/(1+n)Lt−1=Lt/(1+n)处于寿命的第二时期。令C1tC_{1t}C1t和C...
2020-01-23 22:06:29
1491
原创 例题：随机游走
设XtX_tXt为一随机游走序列：Xt=Xt−1+εtX_t=X_{t-1}+\varepsilon_tXt=Xt−1+εt,X0=0X_0=0X0=0。求Corr(Xt,Xt+k)Corr(X_t,X_{t+k})Corr(Xt,Xt+k)。Corr(Xt,Xt+k)=Cov(Xt,Xt+k)Var(Xt)Var(Xt+k){\rm Corr}(X_t,X_{t+k})=\fr...
2020-01-22 11:55:25
1672
原创 例题：时间序列
设εt{\varepsilon_t}εt是一个均值为0，方差为1的独立同分布随机时间序列，定义如下随机过程：Xt=εt−12εt−1+12εt−2X_t=\varepsilon_t-\frac{1}{2}\varepsilon_{t-1}+\frac{1}{2}\varepsilon_{t-2}Xt=εt−21εt−1+21εt−2求E（Xt）E（X_t）E（Xt）和Var(...
2020-01-22 11:25:28
2495
原创 例题：错误判断是否带截距项会怎样？
误加截距项的情况真实模型Yi=β1Xi+μiY_i=\beta_1 X_i+\mu_iYi=β1Xi+μi但却拟合了一个带截距项的模型Yi=α0+α1Xi+viY_i=\alpha_0+\alpha_1X_i+v_iYi=α0+α1Xi+vi这里的误设主要是增加了一个常数项，即出现的是增加无关变量的错误（相当于增加了一个取值恒为1的变量）。其后果是估计量虽然无偏且一致，...
2020-01-20 17:24:51
1261
原创 例题：异方差导致问题及其修正
对一元回归模型Yi=β0+β1Xi+μiY_i=\beta_0+\beta_1 X_i+\mu_iYi=β0+β1Xi+μi若异方差情况为Var(μi\mu_iμi)=σi2≠σ2\sigma_i^2\not = \sigma^2σi2=σ2估计量有偏吗？我们知道β~1=∑xiyi∑xi2=∑xi(β1Xi+μi)∑xi2=β1+∑xiμi∑xi2\tilde \...
2020-01-20 15:43:47
1680
1
原创 例题：遗漏变量的后果
如果正确设定模型下的OLS估计为：Y^=β^0+β^1X1+β^2X2\hat Y=\hat \beta_0+\hat\beta_1X_1+\hat\beta_2 X_2Y^=β^0+β^1X1+β^2X2错误设定模型下的OLS估计结果为Y~=β~0+β~1X1\tilde Y=\tilde \beta_0+\tilde\beta_1X_1Y~=β~0+β~1X1...
2020-01-20 11:33:30
6351
原创 笔记：多元回归OLS估计量有效性和一致性证明
OLS估计量β^=CY\hat\beta=CYβ^=CY假设β∗\beta^*β∗是其他方法得到的关于无偏估计量:β∗=C∗Y\beta^*=C^*Yβ∗=C∗Y其中C∗=C+D=(X′X)−1X′+DC^*=C+D=(X'X)^{-1}X'+DC∗=C+D=(X′X)−1X′+D，DDD为固定矩阵。于是β∗=C∗Y=C∗Xβ+C∗μE(β∗)=C∗Xβ+C∗E(μ)=C∗Xβ\bet...
2020-01-19 16:46:07
21918
1
原创 笔记：多元回归模型方差的无偏估计量
多元回归模型Y=Xβ+μY=X\beta+\muY=Xβ+μ被解释变量的估计值与观测值的残差e=Y−Xβ^=Xβ^+μ−X(X′X)−1X′(Xβ^+μ)=μ−X(X′X)−1μ=[I−X(X′X)−1X′]μ=Mμe=Y-X\hat\beta\\=X\hat\beta+\mu-X(X'X)^{-1}X'(X\hat \beta+\mu)\\=\mu-X(X'X)^{-1}\mu\\=...
2020-01-19 16:07:55
10570
原创 笔记：干扰项方差的无偏估计
给定一组样本(Xi,Yi)(X_i,Y_i)(Xi,Yi),模型Yi=β0Xi+μiY_i=\beta_0X_i+\mu_iYi=β0Xi+μi的离差形式为：yi=Yi−Y‾=β1xi+(μi−μ‾)y_i=Y_i-\overline Y=\beta_1x_i+(\mu_i-\overline\mu)yi=Yi−Y=β1xi+(μi−μ)样本回归函数的离差形式：y^i...
2020-01-17 23:03:18
6997
1
原创 笔记：OLS的线性性、无偏性和有效性的证明
线性性定义xi=Xi−X‾,yi=Yi−Y‾x_i=X_i-\overline X,y_i=Y_i-\overline Yxi=Xi−X,yi=Yi−Y。为了后续证明方便首先说明一些性质。∑xi=∑(Xi−X‾)=0\sum x_i=\sum (X_i -\overline X)=0∑xi=∑(Xi−X)=0∑xiyi=∑xi(Yi−Y‾)=∑xiYi−Y‾∑xi=∑xiYi...
2020-01-17 17:58:20
43546
5
原创 笔记：无截距项的一元回归模型
考虑Yi=β1Xi+μiY_i=\beta_1X_i+\mu_iYi=β1Xi+μiβ1\beta_1β1的两个不同估计值由样本回归模型得到两个正规方程：∑(Yi−β~1Xi)=0 (1)∑(Yi−β^1Xi)Xi=0(2)\sum(Y_i-\tilde\beta_1 X_i)=0\ \quad(1)\\\sum(Y_i-\hat \beta_1 X_i)Xi=0...
2020-01-17 11:43:02
14897
原创 笔记：Ramsey-Cass-Koopmas模型整理
模型假设厂商Y=F(K,AL)Y=F(K,AL)Y=F(K,AL)AAA的增长率是外生的ggg。这些厂商由家庭所有。家庭每个家庭的人口增长率都是nnn,每个成员供给1单位劳动，每个家庭的资本全部租赁给厂商，出事资本持有量K(0)/HK(0)/HK(0)/H（HHH为家庭数量）。家庭的收入来自提供劳动和资本的报酬以及厂商分得的利润。家庭效用函数的形式：U=∫t=0∞e−ρtu(...
2020-01-16 21:50:37
1916
原创 笔记：联立方程模型总结
偏误：OLS估计量不一致Y1i=β10+β12Y2i+γ11X1i+μ1iY2i=β20+β21Y2i+γ21X1i+μ2iY_{1i}=\beta_{10}+\beta_{12}Y_{2i}+\gamma_{11} X_{1i}+\mu _{1i}\\Y_{2i}=\beta_{20}+\beta_{21}Y_{2i}+\gamma_{21} X_{1i}+\mu _{2i}Y1i=β10...
2020-01-15 23:09:47
5358
1
原创 笔记：Solow 模型整理
假设生产函数四个变量：产出Y，资本K，劳动L以及效率A：F(t)=F(K(t),A(t)L(t))F(t)=F(K(t),A(t)L(t))F(t)=F(K(t),A(t)L(t))AL称为有效劳动，以这种方式引入的技术进步称为哈罗德中性的。Solow模型中生产函数关于K，AL规模报酬不变：F(cK,cAL)=cF(K,AL)(1)F(cK,cAL)=cF(K,AL)\qquad ...
2020-01-14 23:13:22
5540
原创 Notes: Likelihood Estimation for Normal Distribution
The logarithm of the likelihood function(L) for estimating the population mean and variance for an i.i.d normal sample is as follows:L=−n2log(2πσ2)−12σ2∑(Yi−μY)2L=-\frac{n}{2}log(2\pi \sigma^2)-\frac...
2020-01-14 19:04:15
770
原创 Notes: Linear Probability Model
linear probability model Yi=β1+β2Xi+μiY_i=\beta_1+\beta_2 X_i+\mu_iYi=β1+β2Xi+μiwhere Y takes two values:0 and 1. The probabilities arePr(Yi=1∣Xi)=β1+βxXiPr(Y_i=1|X_i)=\beta_1+\beta_x X_iPr(Yi=...
2020-01-14 18:34:09
1133
原创 An example: Ordinal Probit Model
We describe an ordinal Probit model for post-secondary education choice and estiamted a simple model with the dependant variable of interest is PSECHOICE and the explanatory variable is GRADES(Lower n...
2020-01-14 17:21:08
743
原创 An example: Poisson Regression
A Poisson regression is estimated explaining the number of Olympic Games medals won by various countries as a function of the logarithms of population and gross domestic product (in 1995 dollars). The...
2020-01-14 15:28:13
903
原创 An example：LPM and Logit model
Like credit cards,debit cards are now used extensively by consumers. Vendor prefer them because when you use a debit card, the amount of your purchase is automatically deducted from your checking or o...
2020-01-14 12:21:06
467
原创 笔记：二元Probit与Logit模型
二元离散选择模型的建立Yi=Xiβ+μiY_i=X_i\beta+\mu_iYi=Xiβ+μi二元选择下，Yi=0,1Y_i=0,1Yi=0,1。E(μi{\rm E}(\mu_iE(μi)=0，所以E(Yi{\rm E}(Y_iE(Yi)=XiβX_i \betaXiβ。易知，E(Yi)=P(Yi=1)=Xiβ{\rm E}(Y_i)=P(Y_i=1)=X_i\betaE(Y...
2020-01-14 11:00:42
12231
原创 笔记：时间序列相关问题
平稳性平稳性定义时间序列XtX_tXt来自于一个概率分布，且满足：1、 均值为与时间无关的常数；2、方差是与时间无关的常数；3、协方差至于时间间隔有关，与时间无关；则称该随机时间序列是平稳的，该随机过程是一个平稳随机过程。白噪声Xt=μt,μ～N(0,σ2)X_t=\mu_t,\qquad \mu ～N(0,\sigma^2)Xt=μt,μ～N(0,σ2)这个序列称为白噪...
2020-01-13 17:02:57
1349
原创 笔记：放宽基本假定的OLS总结
多重共线性含义两个及以上解释变量之间出现相关性。产生的原因变量的共同趋势、模型设定不谨慎、样本资料的限制。后果完全共线性下参数估计量不存在。这是因为估计量β^=(X′X)−1X′Y\hat{\beta}=(X'X)^{-1}X'Yβ^=(X′X)−1X′Y如果出现完全共线性则(X′X)−1(X'X)^{-1}(X′X)−1不存在，无法得到估计量。近似共线性下估计量方差变大。...
2020-01-12 21:16:14
3476
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人