- 博客(17)
- 收藏
- 关注
RSS订阅
原创 理解ConvTranspose2d操作
理解ConvTranspose2d操作文章目录理解`ConvTranspose2d`操作输入与输出计算过程详解ConvTranspose2d是一种常用的可以对图像进行上采样的方法，可以用于扩大图像尺寸。其本质上也是一个卷积操作，目的是恢复对应的卷积参数下，卷积前的原始图像大小。文章ConvTranspose2d原理，深度网络如何进行上采样？搭配了动图介绍了其计算过程，比较直观。这里通过代码的方式对该模块的输入输出以及计算过程进行解释。 首先，文章分析了该模块的输入输出，然后通过自定义的ConvTrans
2022-04-09 17:49:55
5299
1
原创 秩和检验(rank sum test)及其Python实现
秩和检验(rank sum test)及其Python实现不是成对的符号秩和检验文章目录秩和检验(rank sum test)及其Python实现秩和检验Python实现秩和检验假设我们有两组数据A和B，每组数据的样本数为nAn_AnA何nBn_BnB，我们想要检验的空假设是A与B具有相同的分布。首先我们给出秩的定义，如果将一组数据按从小到达排列，那么某观测值的顺序就是该观察值的...
2020-04-20 14:53:33
10637
2
原创 离散傅里叶变换与相关性计算
离散傅里叶变换（DFT）与相关性计算文章目录离散傅里叶变换（DFT）与相关性计算基本定义时域的卷积对应频域的相乘循环平移的傅里叶变换相关与卷积通过傅里叶变换计算相关本文主要介绍通过离散傅里叶变换的方法计算两个时间序列的相关性，不仅给出数学公式的推导，同时给出对应的Matlab程序的验证。文中涉及到相关，卷积等基本概念，本文假设读者已经具备相关的数学基础。基本定义首先，我们给出离散傅里叶变换...
2019-11-03 11:56:06
7047
3
原创 一文梳理傅里叶变换中相关概念
一文梳理傅里叶变换中相关概念文章目录一文梳理傅里叶变换中相关概念摘要1 概述2 傅里叶级数到傅里叶变换采样信号的傅里叶变换与采样定理从采样信号到离散傅里叶变换随机信号的频谱估计(待续）摘要傅里叶级数，傅里叶变换，离散傅里叶变换，采样定理，信号混淆，帕塞瓦尔定理，随机信号的功率谱估计这些都是信号分析中常见的概念，本文将从信号分析的基本思想讲起，详细的介绍这些概念的来源及其相互关系。1 概述...
2018-11-04 13:41:55
1856
原创 C配置教程
在Win10上配置vscode用于C++的开发本文主要介绍如何利用vscode来使用微软的Visual C++编译器和调试器。本文将介绍如何配置vscode环境从而实现对C++语言文件的编译，调试和运行。基本内容来自官方文档，添加了一点自己的理解。其实官方的文档已经非常详尽,这里只是记录以下自己的学习过程.参考资料，官方vscode文档: Configure VS Code for Microsoft C++准备条件已经安装了 Visual Studio Code安装C++扩展，如图
2022-04-26 23:26:06
362
原创 Gamma分布的均值和方差
Gamma分布的均值和方差Gamma分布的均值和方差Gamma分布密度函数均值和方差Gamma分布密度函数f(x;α,β)=βαxα−1Γ(α)exp{−βx}f(x;\alpha, \beta) = \frac{\beta^{\alpha}x^{\alpha-1}}{\Gamma({\alpha})}\exp\{-\beta x\}f(x;α,β)=Γ(α)βαxα−1exp{−βx}均值和方差E(x)=αβE(x) = \frac{\alpha}{\beta}E(x)=βαD(
2021-06-29 22:21:10
16808
2
原创 线性回归中的假设检验
线性回归中的假设检验及Python编程0 引言1 一元线性回归模型2 对于回归方程的检验F检验T检验一元线性回归的Python编程实现与 `statsmodels` 包的对比关于多元线性回归0 引言本文介绍一元线性回归的基本假设，推导方法和统计检验，然后介绍Python编程实现，最后结合Python中statsmodels包对比计算结果。1 一元线性回归模型对于n个自变量，(x1,x2,x3,…,xn)(x^1, x^2, x^3, \dots , x^n)(x1,x2,x3,…,xn)，因变量 y
2021-04-18 20:52:52
5059
1
原创 基于Python的t检验实践篇 (1)
基于Python的T检验本文讨论的T检验分为三类，分别是：单样本t检验，适用于对一组数据的均值进行检验配对的双样本T检验，适用于配对的两组数据之间的差异进行检验独立双样本T检验，适用于两组两组独立数据的差异，又可以进一步分为等方差的独立样本t检验和异方差的独立样本T检验本文介绍3种T检验的使用方法，最后介绍T检验的一般报告格式单样本T检验单样本t检验用于比较单列正态分布与给定均值是否具有显著差异，自由度为n-1import numpy as npfrom scipy import s
2020-05-27 00:44:11
2671
翻译 Pytorch入门介绍
Pytorch入门介绍文章目录`Pytorch`入门介绍`Pytorch`是什么自动微分神经网络例子：图像分类器参考资料print images参考资料Pytorch是什么Pytorch是一个计算包，其特性可以总结为两点：能够替代numpy进行科学计算，优势是利用GPU；一个深度学习平台，具有非常大的灵活性与速度优势；构建tensor的操作与numpy类似import torchx = torch.empty(5, 3)#创建空矩阵，初始化之前可能为任意值x = torch.ran
2020-05-15 16:14:20
303
原创 置换检验
Bootstrap 与置换检验文章目录Bootstrap 与置换检验Bootstrap详细描述：实现Permutation Tests(置换检验)详细描述实现实现BootstrapBootstrap通常是指一种通过重用数据实现评估不确定性的统计方法。应用场景主要是当统计分布没有解析解，但是又希望提取出统计量或者对数据运用一些计算方法。详细描述：给定数据点集 X={x1,x2,…,xn}X...
2020-05-04 10:12:51
1914
2
原创 单因素方差分析(ANOVA)及其Python库
文章目录模型描述利用`python`求解单因素方差分析（one-way analysis of variance, ANOVA)用于确定３个及其以上的数据组之间的均值是否具有统计差异，此外，单因素方差分析也可以用于分析两组数据之间的统计差异，这种情况下等价于利用ｔ检验比较独立样本的均值。本文讲介绍单因素方差分析的基本假设以及何时该使用单因素方差分析。模型描述单因素方差分析的基本思想是比较组间...
2020-04-21 17:35:39
4212
1
原创 Wilcoxon signed rank sum test 检验
前一篇文章我们介绍了秩和检验，这里我们介绍另一种秩和检验方法，Wilcoxon signed rank sum test文章目录Wilcoxon signed rank sum test包含两种检验方式，数据成对的情况和数据是独立观察的情形。下面分开讨论：对于成对的数据，Wilcoxon signed rank sum test检验的流程如下：声明空假设：H0H_0H0，这里就是两...
2020-04-20 15:41:03
2011
原创 如何理解反向传播算法
如何理解反向传播算法如何理解反向传播算法神经网络模型的数学表示对代价函数的基本假设反向传播算法反向传播的直观理解总结参考文献对于一个算法或者模型的理解可以分为直观理解，算法理解和数学证明三个层次。直观的理解能够启发思维，算法层面的理解能够消除歧义，数学证明能够提供更一般化的问题描述，为潜在的问题提供分析工具。本文试图从这三个层面对神经网络中的反向传播算法做简单的总...
2018-08-25 10:07:23
2184
原创 一次解决Matplotlib绘图中的中文乱码问题
一次解决Matplotlib绘图中的中文乱码问题Matplotlib是一款非常常用的科学绘图工具，然而其对中文的支持不好。常见的解决办法分两类，一类是每次编程都指定字体，具体做法可以参考解决Matlplotlib中文乱码问题，它这里只介绍第二种方法，永久性的解决乱码问题。具体的解决步骤包括： 1. 查找Matplotlib的配置文件所在位置 2. 下载中文字体，并修改配置文件包含该中文字体...
2018-03-31 13:57:30
721
1
原创 人工智能中的偏序规划-基于STRIPS语言
本文的主要内容是介绍基于STRIPS语言的偏序规划问题。主要内容包括如何使用规划语言描述实际规划问题和如何用偏序规划求解器对问题进行求解。最后通过积木问题的案例详细介绍了求解过程。
2017-09-20 19:45:17
7638
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人