原创 解析解與數值解

在解組件特性相關的方程式時,大多數的時候都要去解偏微分或積分式,才能求得其正確的解。依照求解方法的不同,可以分成以下兩類:解析解和數值解。 解析解(analytical solution)就是一些嚴格的公式,給出任意的自變量就可以求出其因

原创 稀疏矩陣

矩陣中非零元素的個數遠遠小於矩陣元素的總數,並且非零元素的分佈沒有規律,通常認爲矩陣中非零元素的總數比上矩陣所有元素總數的值小於等於0.05時,則稱該矩陣爲稀疏矩陣(sparsematrix),該比值稱爲這個矩陣的稠密度;與之相區別的是,

原创 感知機

感知機感知機是一種最簡單的線性二分類模型,可以在輸入空間(特徵空間)將實例劃分爲正負兩類。感知機學習算法的原始形式對於輸入空間,感知機通過以下函數將其映射至{+1,-1}的輸出空間 f(x)=sign(w⋅x+b)            

原创 用遞歸求階乘

用遞歸求階乘:#include<stdio.h>int factorial(n); int main(){    int n;         scanf("%d",&n);         printf("thefactorial of

原创 範數

範數(norm),是具有“長度”概念的函數。在線性代數、泛函分析及相關的數學領域,在泛函分析中,它定義在賦範線性空間中,並滿足一定的條件,即①非負性;②齊次性;③三角不等式。它常常被用來度量某個向量空間(或矩陣)中的每個向量的長度或大小。

原创 稀疏矩陣

矩陣中非零元素的個數遠遠小於矩陣元素的總數,並且非零元素的分佈沒有規律,通常認爲矩陣中非零元素的總數比上矩陣所有元素總數的值小於等於0.05時,則稱該矩陣爲稀疏矩陣(sparsematrix),該比值稱爲這個矩陣的稠密度;與之相區別的是,

原创 交叉驗證

交叉驗證(Cross Validation)常見的交叉驗證方法如下:1、簡單交叉驗證將原始數據隨機分爲兩組,一組做爲訓練集,一組做爲驗證集,利用訓練集訓練分類器,然後利用驗證集驗證模型,記錄最後的分類準確率爲此分類器的性能指標。好處:處理

原创 感知機

感知機感知機是一種最簡單的線性二分類模型,可以在輸入空間(特徵空間)將實例劃分爲正負兩類。感知機學習算法的原始形式對於輸入空間,感知機通過以下函數將其映射至{+1,-1}的輸出空間 f(x)=sign(w⋅x+b)            

原创 輸出指定數量的斐波那契數列(用switch)

輸出指定數量的斐波那契數列(當數值大時會溢出)#include<stdio.h>int ff(int number){  intfirst=1,second=1,tem,i; printf("%d\t%d\t",first,second)

原创 字符串翻轉(遞歸實現)

#include<stdio.h>int reversal();int main(){ reversal();    printf("\n"); return 0;}int reversal(){ char

原创 計算一個數是否可爲兩個素數之和C

計算一個數是否可爲兩個素數之和#include<stdio.h>intpalindrome(int n);intmain(){    int i,n;         scanf("%d",&n);         for(i=2;i<=

原创 判斷一個數是否爲迴文數C

判斷一個數是否爲迴文數。設n是一任意自然數。若將n的各位數字反向排列所得自然數n1與n相等,則稱n爲一回文數。#include<stdio.h>intmain(){         int number,now=0,original,re

原创 經驗風險最小化和結構風險最小化

 在假設空間、損失函數以及訓練數據集確定的情況下,經驗風險函數式就可以確定。經驗風險最小化的策略認爲,經驗風險最小的模型是最優的模型。根據這一策略,按照經驗風險最小化求解最優模型就是求解最優化問題:     當樣本容量足夠大時,經驗風險最

原创 用遞歸求階乘

用遞歸求階乘:#include<stdio.h>int factorial(n); int main(){    int n;         scanf("%d",&n);         printf("thefactorial of

原创 P、NP、NPC、NP-Hard問題

時間複雜度表明問題規模擴大後,程序需要的時間長度增長得有多快。程序的時間複雜度一般可以分爲兩種級別:[1]      - 多項式級的複雜度,如O(1),O(log(n))、O(n^a)等,[2]      - 非多項式級的,如O(a^n)