如何在保持参数不变/参数固定的情况下，以符号形式求偏导数？
在保持参数不变/参数固定的情况下，以符号形式求偏导数可以通过以下步骤进行：
- 确定要对哪个变量求偏导数。假设我们要对变量x求偏导数。
- 将其他变量视为常数，将它们固定在某个值上。假设其他变量为a、b、c等，将它们固定在某个值上，记作a0、b0、c0等。
- 将函数中的所有变量除了x外都替换为它们的固定值。假设函数为f(a, b, c, x)，将其替换为f(a0, b0, c0, x)。
- 对函数f(a0, b0, c0, x)关于变量x求导数。这相当于将函数看作只有一个变量x的函数，然后对其进行求导。
- 求导的结果即为所求的偏导数。
举例说明：
假设有一个函数f(a, b, x) = a^2 + b*x，我们要求关于变量x的偏导数。
- 确定要对哪个变量求偏导数，这里是x。
- 将其他变量a、b视为常数，固定在某个值上。
- 将函数中的所有变量除了x外都替换为它们的固定值，得到f(a0, b0, x) = a0^2 + b0*x。
- 对函数f(a0, b0, x)关于变量x求导数，得到f'(a0, b0, x) = b0。
- 求导的结果b0即为所求的偏导数。
在这个例子中，偏导数为b0，表示函数f(a, b, x)对变量x的变化敏感程度由变量b决定。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云云服务器（CVM）：https://cloud.tencent.com/product/cvm
- 腾讯云云数据库 MySQL 版：https://cloud.tencent.com/product/cdb_mysql
- 腾讯云人工智能平台（AI Lab）：https://cloud.tencent.com/product/ailab
- 腾讯云物联网平台（IoT Explorer）：https://cloud.tencent.com/product/explorer
- 腾讯云移动应用分析（MTA）：https://cloud.tencent.com/product/mta
- 腾讯云对象存储（COS）：https://cloud.tencent.com/product/cos
- 腾讯云区块链服务（BCS）：https://cloud.tencent.com/product/bcs
- 腾讯云虚拟专用网络（VPC）：https://cloud.tencent.com/product/vpc
- 腾讯云安全加速（DDoS 高防 IP）：https://cloud.tencent.com/product/ddos
相关·内容
1回答
在描述Adam:一种随机优化方法的纸中，作者指出：
该方法易于实现，计算效率高，内存需求小，不受梯度对角线重标度的影响，适用于数据和/或参数较大的问题。
“梯度的对角线重标度不变”在这里意味着什么？
浏览 0提问于2018-07-14得票数 2
1回答
神经网络训练中梯度和偏导数的解释
、、、、
我试图通过了解如何解释梯度及其偏导数来理解神经网络训练中偏微分的目的。下面是我解释它们的方法，所以我想知道我是否正确，如果不是，是否有人能指出我的正确方向。
如果我们在处理依赖于单个变量的函数，则该函数相对于该特定变量的导数是一个斜率(即常数)，它告诉我们因变量的变化将如何影响函数值的变化。
如果我们处理的函数依赖于几个变量，那么这个函数对所有这些因变量的导数就是一个梯度(即偏导数的向量)，它指向函数极值的方向。每个偏导数对应于我们试图优化的N维空间中的一个特定维数(例如二次代价函数C(W，b))。
我的问题是，当我们计算关于一个参数的偏导数(例如输入x1和第一隐层神经元之间的权重)时，我们将
浏览 0提问于2020-01-17得票数 3
回答已采纳
假设我有一个线性模型，如下所示，我想得到关于W和b的梯度向量。
# tf Graph Input
X = tf.placeholder("float")
Y = tf.placeholder("float")
# Set model weights
W = tf.Variable(rng.randn(), name="weight")
b = tf.Variable(rng.randn(), name="bias")
# Construct a linear model
pred = tf.add(tf.mul(X, W),
浏览 0提问于2017-01-24得票数 19
回答已采纳
1回答
关于亚当的论文提到了平稳目标函数。我无法在互联网上找到它的定义(或者它可能有其他名称，我也找不出)。如果有人能描述或引导我找到正确的资源，我将不胜感激。
浏览 0提问于2023-03-14得票数 0
1回答
平均绝对误差的偏导数
、、、、
MAE的偏导数是多少？我知道对于均方误差，假设使用以下版本的均方误差，则相对于某些x1的偏导数将为-x1 * (y_pred - y_actual)。
当损失函数是MAE而不是MSE时，x1的偏导数是多少？我一直在找这个，但一直没找到。当x1大于0时是-(y_pred - y_actual)，当x1小于0时是(y_pred - y_actual)吗？或者我还漏掉了什么？
浏览 0提问于2021-01-14得票数 1
我需要用R写一个函数，它依赖于向量x(随每次模拟而变化)，并且参数为beta_0、beta_1、beta_2。我试图找到这个函数相对于beta_0、beta_1和beta_2的偏导数。我已经为相同的函数编写了一个代码，但它反复返回错误。
我的R代码如下：
func_1 <- function(x,beta_0,beta_1,beta_2){
k <- beta_0+(x[1]*beta_1)+(x[2]*beta_2)
k <- exp(k)/(1+exp(k))
}
Deriv(func_1(x=c(2,3)), 'beta_0')
正
浏览 7提问于2022-01-16得票数 1
回答已采纳
也许这更像是一个数学问题，而不是一个MATLAB问题，不是很确定。我正在使用MATLAB来计算一个经济模型--新的混合ISLM模型--其中有一个令人困惑的步骤，作者转换了解决方案的符号。
首先，作者声明了符号变量并建立了差分方程组。请注意，后缀"a“和"2t”都表示"time t+1"，"2a“表示"time t+2”，"t“表示"time t"：
%% --------------------------[2] MODEL proc-----------------------------%%
% D
浏览 2提问于2010-05-20得票数 1
回答已采纳
我是一个全新的Matlab用户。我想像这样计算PDE：，但我不知道如何编码。我试过g(x)=diff(x,y)^2/(diff(x)*diff(y));，但它不起作用。
浏览 1提问于2020-10-06得票数 0
我一直在使用SLSQP算法只使用ExplicitComponents运行一些MDO问题。每个组件的运行时间约为10秒，输入变量为60-100个。大多数输入变量是静态输入变量，在整个优化过程中将保持不变。静态输入变量来自IndepVarComp。ExplicitComponents是黑匣子，因此不提供有关部分的信息。
我注意到，当雅可比在compute_totals()中计算时，各分量相对于它们的所有输入值被线性化。在compute_approximations()中，对所有输入值(包括静态输入值)计算有限差分。所以，我的问题是:为什么对这些静态输入变量进行有限差分计算？由于这些值保持不变，我不
浏览 0提问于2018-10-25得票数 1
回答已采纳
1回答
我有一个非线性稳定的空间矩阵，我需要解这个微分，如下面的图所示:我对pic作了更多的解释(这里是dD/dx)
浏览 1提问于2015-11-06得票数 1
回答已采纳
1回答
间接训练前馈神经网络
、、、
我面临着这样的问题：
我必须构建一个FFNN，它必须近似一个未知函数f:R^2 -> R^2。我拥有的用来检查网络的数据是一个一维R向量。我知道g:R^2->R函数，它会将网络的输出映射到我的数据空间。因此，我会使用神经网络作为过滤数据中的偏差。但我面临两个问题：
首先，我如何以这种方式训练我的网络？
其次，我正在考虑添加一个额外的隐藏层来映射R^2->R，让网络自己训练以找到正确的映射，然后删除额外的层。这个算法正确吗？也就是说，输出结果会和我想要的一样吗？
浏览 7提问于2013-11-25得票数 0
1回答
我正在编写ElasticWeightConsolidation方法，为此我需要计算费舍尔矩阵。据我所知，Fisher矩阵就是神经网络权重的似然的Hessian。有很好的torch.autograd.functional.hessian(func, inputs, create_graph=False, strict=False)功能 所以我想计算hessian(loss,weights)，where，loss = torch.nn.CrossEntropyLoss()。我还准备了网络的权重，这样它就有了长的1D张量，这样就可以简单地取hessian的对角元素： def flat_param(
浏览 17提问于2020-11-05得票数 2
3回答
这是的后续问题.对于给定的神经元，我不清楚如何取其误差的偏导数和其权重的偏导数。
从这个中可以清楚地看到，传播是如何工作的(尽管我正在处理弹性传播)。对于前馈神经网络，我们需要1)在神经网络中向前移动，触发神经元，2)从输出层神经元中计算出总误差。然后向后移动，按神经元中的每个权重来传递该误差，然后再次向前，更新每个神经元的权重。
尽管如此，这些都是我不明白的。
A)对于每个神经元，如何计算偏导数的偏导数()对权重的偏导数？我的困惑是，在微积分中，偏导数是用n个变量函数来计算的。我有点理解和在中的答案。我甚至理解了连锁规则。但当我想到如何将它应用于线性组合器和乙状结肠激活函数的结果时，它就不起
浏览 1提问于2012-08-27得票数 7
1回答
我正在学习如何打破线性分类器，但我有困难理解tf.gradients。
该项目的目的是获取一个模型，并在mnist数据集上对其进行培训。一旦它被训练，我就拍一张图像，稍微改变一下，然后反馈给模型。然而，当我反馈它时，预测应该是不同的。例如，如果我有一个2的图像，我想让模型预测一个6，我会稍微修改图像，这样图像看起来仍然是2，但是模型会认为它是6。
这是一个简单的等式。我们取损失函数的导数，并取其符号，并将其应用于图像乘以一些epsilon值。例如，方程式是这样的.
new image = image + (epsilon * sign of derivative of loss functio
浏览 2提问于2018-04-01得票数 0
回答已采纳
1回答
如何求三线性插值函数的导数？
、、、、
我是python的新用户。我有一个3D规则网格数据作为h5文件格式。我可以使用RegularGridInterpolator对我的数据进行插值(三线性插值)。但是，我不知道如何从我的插值函数中求导数。
(我的问题与类似，但似乎没有合适的解决方案，所以我想我应该再问一遍。)
实际上，我正在尝试对我的h5文件使用与这个问题相同的代码()。我的h5文件可以从这个链接()下载。
期待专家的好意帮助。
我的代码：
import numpy as np
import h5py
import matplotlib.pyplot as plt
from scipy.interpolate import
浏览 0提问于2019-02-04得票数 0
我有一个Matlab函数G(x,y,z)。对于每个给定的(x,y,z)，G(x,y,z)都是一个标量。x=(x1,x2,...,xK)是一个Kx1向量。 让我们将y,z固定在某些给定值。我希望你能帮助我理解如何计算G相对于在某个x下求值的xk的导数。 例如，假设K=3 function f= G(x1,x2,x3,y,z)
f=3*x1*sin(z)*cos(y)+3*x2*sin(z)*cos(y)+3*x3*sin(z)*cos(y);
end 如何计算G(x1,x2,x3,4,3) wrto x2的导数，然后在x=(1,2,6)中求值？
浏览 61提问于2020-06-30得票数 0
回答已采纳
当我阅读关于机器学习的文章时，我经常遇到公式包含这样的符号，这是一个'updown e‘，有人知道它是什么意思吗？
这是我从一篇关于LSTM的文章中得到的
我想是有点像德尔塔吗？我甚至不知道如何发音，请原谅我这可能是一个非常愚蠢的问题。
下面是一个等式，类似于：
以下是解释这一问题的全文：
浏览 5提问于2022-02-22得票数 0
回答已采纳
2回答
我看过很多相关的博主，他们解释了如何产生边际效应，但不知怎么的，他们中的大多数人并没有以交互效应为样本。
当我用Stata来做它的时候，边缘效应很容易计算，但是R似乎以另一种方式出现，并且显示了不同的结果。
我想知道如何用适当的相互作用计算适当的边际效应，
为什么函数margins()不显示交互因子？
如果我用手工coef(glm)*mean(dlogis(predict(glm, type = "link")),na.rm=T)计算它，它看起来更接近Stata结果，而不是使用函数margins()。
更重要的是，我如何手工计算standard error of m
浏览 22提问于2022-02-10得票数 1
1回答
区分不固定形式语言函数
、、、、
我有一个类似的源文件(没有失去通用性(只显示一种可能的语法)：
function a()
return g // global variable without any internal structure exactly
end
function b(x, y)
local z = x * y
return z + 1
end
function c(z, t)
return b(z * z, a())
end
// ...etc
我想将任何函数WRT去掉为某个变量。
在导出时间内部结构时，所有形式的参数都可以看作未知的函数。
如果我进一步正确，那么下面就
浏览 3提问于2014-09-29得票数 0
1回答
mma新手。我已经从CSV文件中导入了一个三维数组，并使用插值函数来使数据连续。我现在对插值函数对两个变量之一的偏导数感兴趣，但我不知道如何在语言中做到这一点：
timein = Import["file.csv"]
Dimensions[timein]
itime = Interpolation[timein, Method -> "Spline"]
Plot3D[itime[x, y], {x, 6, 30}, {y, 3, 24}]
D[itime, y]
产生以下输出：
0
代码的最后一行。
浏览 3提问于2016-10-03得票数 0
📷
如图所示，我们计算了输出神经元的误差w.r.t的偏导数。它不应该是正常导数吗？这个错误不只是由输出决定的吗？
浏览 0提问于2016-06-01得票数 2
回答已采纳
1回答
常说伴随法的计算量不随设计变量的增加而增加。然而，似乎增加问题的规模应该会带来一些计算上的影响。例如，通过增加在示例中输入的元素的数量，有限元矩阵的大小会增加，并且应该有更多的相关计算成本。
那么，为什么说伴随的成本是随着设计变量的增加而保持不变的呢？这似乎不协调。
浏览 0提问于2018-08-11得票数 2
回答已采纳
在提亚诺受到表扬之后，我想我应该用一种特殊的SGD来做我的第一步。我得到了一个参数向量θ，我想优化我的损失函数，返回一个向量，其中包含矩阵A和B之间的平方损失的列和，每个元素都是一个独立的损失，对于一个特定的维，使用广播的θ。Theta应该被更新，以便在下一次迭代中，每个维度的损失更低。我选择这个是因为数据(X，Y)就是这样给出的。
现在，教程说应该使用T.grad()来获取更新的梯度。但是T.grad不允许我计算非标量的梯度。教程()说：“标量成本只能由梯度直接处理，数组是通过重复应用来处理的。”因此，我尝试(不可否认是一种丑陋的尝试)来计算每个损失的梯度。如何计算多重损失的梯度？有没有一种
浏览 1提问于2015-10-06得票数 2
回答已采纳
1回答
我想编写一个包含6个变量的Python函数，a, b, c, d, e, f，其中a, b是计算的区间(例如，[1, 3]，所有实数)，c, d, e, f是三次多项式的系数，即f(x) = cx^3 + dx^2 + ex + f，并返回区间[a, b]上的局部min/max。
对于如何编程，我有一个粗略的想法(尽管计算时间可能很糟糕)，其中我创建了一个新的步骤列表0.01或类似的小步骤(从a到b )，对每个值计算f，然后返回列表的min/max。对于相距很远的a, b值来说，这需要很长时间。
做这件事最好的方法是什么？有没有科学/数学计算的外部库？谢谢。
浏览 3提问于2018-09-17得票数 0
回答已采纳
我试着用Commons 3.6.1版本来拟合一个4参数Hill方程。截至2018年6月20日，我也尝试了4.0快照版本。我也得到了同样的结果。我有一个简单的测试，它运行并且不抛出异常。然而，更复杂的数据失败了。我从处理Hill / Sigmoidal拟合的几个网络场景中摸索数据。我不知道下一步该怎么办才能解决这个问题，有什么建议吗？
我明白了：
org.apache.commons.math3.exception.ConvergenceException: illegal state: unable to perform Q.R decomposition on the 9x4 jacobia
浏览 1提问于2018-06-18得票数 1
回答已采纳
2回答
最近，我开始考虑为学习人工神经网络(ANN)实现Levenberg-Marquardt算法。实现的关键是计算雅可比矩阵。我花了几个小时研究这个话题，但我不知道如何精确地计算它。
假设我有一个简单的前馈网络，有3个输入，4个隐层神经元和2个输出。各层是完全连接的。我也有5排长的学习集。
雅可比矩阵的大小应该是多少？
我应该用什么来代替衍生品呢？(左上角和右下角的公式示例以及一些解释将是完美的)
这真的没有用：
在神经网络方面，F和x是什么？
浏览 0提问于2014-10-01得票数 7
3回答
如果存在，我需要确定2d Bezier曲线上的拐点(曲率变化的点)，参数化为t，0 <= t <= 1。我最初的方法是沿着曲线取样，评估二阶导数，找出导数符号变化的点。
2DVector curvature1, curvature2;
for (double t = 0, t <= 1.0; t += STEP) {
curvature1 = bezier.CurvatureAt(t);
curvature2 = bezier.CurvatureAt(t + (STEP/2.0 >= 1.0 ? 0 : t + STEP/2.0));
if (i
浏览 10提问于2012-07-13得票数 1
回答已采纳
1回答
我有一个使用haml的Sinatra小应用程序。我想在每个页面上有一个导航栏，其中将包含菜单，搜索和定向滚动箭头。因为这将出现在每个页面上，所以我认为布局应该是正确的位置。我在任何地方都找不到一个很好的例子来实现这一点。
这会是一个有很多条件的布局吗？类名和链接将根据当前页面的内容而改变。
实现这一目标的最佳实践是什么?有什么例子吗？
浏览 0提问于2013-04-08得票数 0
回答已采纳
1回答
以\mu ,p, o, u, v为变量，\sigma为logistic函数，建立了成本损失函数。
我需要导出这个损失函数。由于损失函数中存在多个变量，需要使用作为logistic函数推广的softmax函数。
L = -\frac{1}{N}\sum_{i,j \in S}^{2}{a_j\{y_{i,j}log[\sigma{(\mu + p_i + o_j + u^{T}_{i}v_{j})]} + (1 - y_{i,j})log[1 - \sigma{(\mu + p_i + o_j + u^{T}_{i}v_{j})]}\}}
据我所知，这是一个多元梯度下降问题，所以我需要提供4
浏览 0提问于2021-02-12得票数 1
2回答
求符号函数
、、、、
我想找到cos(5)。为什么这个表达式无效：
syms x
f=sin(x)
disp(diff(f)(5))
错误是
Line: 3 Column: 12
Indexing with parentheses '()' must appear as the last operation of a valid indexing expression.
浏览 4提问于2020-02-12得票数 0
回答已采纳
1回答
我读到“他权值初始化”(He等人，2015)是建立在Lecun权值初始化的基础上的，并提出了一个零均值高斯分布，其中标准差为。
该函数应与ReLU相结合，解决消失/爆炸梯度问题。对我来说，这是有意义的，因为ReLu的构建方式使得它不受消失/爆炸梯度问题的困扰。因为，如果输入小于0时，导数将为零，否则导数将为1。所以，不管方差是多少，梯度都是0或1。因此，He权值初始化是无用的。我知道我错过了什么，这就是为什么我要问是否有人会告诉我重量初始化的有用性？
浏览 2提问于2020-03-30得票数 0
回答已采纳
我有兴趣在一种可能不寻常的环境下尝试NN。
神经网络的输入是一个向量。输出也是一个向量。然而，训练数据和误差不是直接计算在这个输出向量上，而是这个输出向量的一个(非线性)函数。因此，在每个时代，我需要激活神经网络，找到一个输出向量，把它应用到我的(外部)非线性函数中来计算一个新的输出向量。然而，这个新的输出向量的长度是1，并且误差是基于这个单一的输出计算的。
一些问题：
这是NN可能有用的事情吗？
这是一个众所周知的结构吗？
有什么办法吗？
浏览 3提问于2014-01-02得票数 3
为了找到最小误差的最佳参数，计算损失函数的偏导数的目的是什么？
考虑到线性模型的损失函数，我们希望找到最小误差的最佳参数。我不明白，考虑到损失函数的偏导数(相对于每个参数)等于0的参数，为什么这个结果可以实现。
浏览 0提问于2022-09-23得票数 5
我搞不懂为什么是dz=da*g'(z)？大家都知道，在前向传播中，a=g(z)，在取了z的导数后，我可以得到da/dz=g'(z)，那么dz=da*1/g'(z)？谢谢！！
浏览 0提问于2019-02-18得票数 1
回答已采纳
1回答
我已经采样了2D和3D numpy阵列上的函数，我需要一种从这些数组中获取偏导数的方法。我可以手动编码有限差分格式，但我需要的不仅仅是2阶精度，可能是4阶甚至6阶。随着更高的精度顺序编码，它很快就变得乏味，特别是因为我需要它的数组的不同尺寸。
在numpy或scipy或其他包中是否有功能可以方便地做到这一点？
浏览 1提问于2018-04-06得票数 4
回答已采纳
问题
我试图构建一个简单的梯度下降算法，并将其绘制在热图上。
我认为有更好的方法来做到这一点，但我必须使用这种方法。
我的教授和我有非常相似的代码，但我们不明白为什么我的行为不同。一旦到达最低点，它就应该转到最低点。它对我的教授有用，但我的又回来了，停在了不知道的地方，原因是我们弄不清楚。
让我精确地说，它不会停止，因为迭代的次数(作为函数的一个参数传递)达到了，但是梯度向量在一个随机的地方变得非常小，因为它应该发生在最低点。
这是我的代码：
from math import cos, sin, exp
import numpy as np
import matplotlib.pyplot a
浏览 9提问于2022-12-01得票数 0
回答已采纳
4回答
我有一个连续传入的数据，由一个整数x = [x1,...,xn], n<1 000 000数组表示。每两个元素都满足以下条件x[i] < x[i + 1]。
我需要尽可能快地检测到这样的断点，在那里这些数据的线性趋势结束并转换为二次趋势。数据总是从线性趋势开始...
我试着计算
k = (x[i+1] - x[i])/ (x[i] - x[i-1])
但是这个测试不太可靠..。也许有一种更简单有效的统计检验方法。在这种情况下，回归线的计算速度很慢。
浏览 2提问于2012-02-16得票数 2
回答已采纳
我已经编写了以下函数来计算反应系统中单个反应激发的概率，并将函数的输出存储为数组，即系统中每个反应激发的概率：
def propensity_calc(LHS, popul_num, stoch_rate):
propensity = np.zeros(len(LHS))
for row in range(len(LHS)):
a = stoch_rate[row]
for i in range(len(popul_num)):
if (popul_num[i] >= LHS[row
浏览 21提问于2020-06-02得票数 0
回答已采纳
1回答
那么这个算法到底意味着什么呢？
我知道的：
(一)阿尔法:梯度下降的步骤有多大。
( ii)现在，∑{ hThetax(i) - y(i) }：指具有给定的Theta值的总错误。
误差是指预测值{ hThetax(i) }与实际值之间的差异。y(i)
hThetax{∑(I)- y(i) }给出了所有训练示例中所有错误的求和。
结尾的Xj^(i)代表什么？
我们在实现多元线性回归梯度下降时是否做了以下工作？
Theta (j)减：
alpha
乘以1/m
时代：
{第一训练范例的误差乘以第一训练范例的jth元件。加号
第二次训练实例的jth元素对第二次训练实例的误
浏览 4提问于2017-02-02得票数 2
回答已采纳
1回答
我正在更新一个项目，其中许多不同的视图共享相同的布局，它们之间只有微小的内容差异。 基本布局如下所示： @Html.Partial("_HeadingBar")
<div class="panel grid_4">
<div class="panel-header">
<span>@ViewBag.SmallHeader</span>
</div>
<div class="panel-body">
浏览 14提问于2020-04-06得票数 0
1回答
我想得到一个符号表达式，它是atan2(y,x)的导数，其中y和x是一些变量z的表达式。我能安全地假设diff(atan2(y,x),z)给了我我想要的东西吗？
在中，有一个证据证明atan2在(-pi，pi)中是可持续的，但它在SymPy中吗？
浏览 0提问于2018-09-05得票数 3
回答已采纳
因此，我在文档()中读到了有关()的内容，我有点困惑。
我看到有人说tf.gradients()的结果是
Ysw.r.t.和的符号偏导数X字。
这也是我首先想到的。但是，文档描述了这个函数的一个可选参数如下：
stop_gradients是张量或张量列表，对于所有的xs都是常量。这些张量不会被反向传播，就好像它们已经使用stop_gradient显式断开了连接一样。除其他外，这允许计算偏导数，而不是总导数。
那么，如果我使用'stop_gradient‘来计算偏导数是否可能，否则在具有len(xs)的向量中返回的默认值是总导数吗？也许这只是我的误解，如果有人能详细说明这一点，我会
浏览 6提问于2019-12-04得票数 1
9回答
我正在寻找一种方法来计算导数使用离散和快速的方法。由于我现在不知道我拥有的方程的类型，我正在寻找类似于我们可以找到的积分的离散方法，例如，Euler方法。
浏览 0提问于2009-03-09得票数 10
1回答
我试图用神经网络作为函数逼近器来实现用于估计q*的片段式半梯度Sarsa。我的问题是: q(S，A，w)中的权向量w是指神经网络中的权值吗？
具体算法见：第197/198页。
如果是:那么如何处理多层神经网络中存在多重权向量的事实？
如果不是，我将如何在算法中使用它？我的建议是将其附加到状态和动作a中，并将其插入到神经网络中，以得到与所选动作的状态近似。这是正确的吗？
权向量w的维数是如何确定的？
提前感谢！
浏览 0提问于2018-03-28得票数 2
回答已采纳
2回答
求矩阵的特征频率
、、
我有一个大小为8*8的方阵，其中一些项是频率(ω)的函数。我想写一个在给定范围内搜索特征频率的函数，比如(0 -1 1kHz)。 我已经包含了下面的函数。这里术语'tx'，'ki1'，'ki2‘是ω的函数。为了求特征频率，矩阵的行列式应该是零。但是如果没有给出所有的值，我就找不到矩阵的行列式。 基本上，我不想给出一个频率，然后得到特征值。我想要解出矩阵，给出特征值，这些特征值就是特征频率。 你能为此推荐一些方法或函数吗？ 任何帮助或建议都将不胜感激。提前感谢！ import numpy as np
def mat(l1,l2,omega1):
浏览 10提问于2020-09-11得票数 0
1回答
代码：
a = T.vector()
b = T.vector()
loss = T.sum(a-b)
dy = T.grad(loss, a)
d2y = T.grad(loss, dy)
f = theano.function([a,b], y)
print f([.5,.5,.5], [1,0,1])
产出：
theano.gradient.DisconnectedInputError: grad method was asked to compute
the gradientwith respect to a variable that is not part of the
co
浏览 4提问于2016-02-02得票数 1
回答已采纳
首先，我想说我对神经网络真的很陌生，对它的理解也不是很好。)
我已经完成了我的第一个反向传播神经网络的C#实现。我已经使用XOR对它进行了测试，它看起来是有效的。
现在我想改变我的实现，使用弹性反向传播(Rprop - )。
该定义说："Rprop只考虑所有模式的偏导数的符号(而不是幅度)，并独立地作用于每个“权重”。
有人能告诉我所有模式的偏导数是多少吗？我该如何计算隐藏层中神经元的偏导数呢？
非常感谢
更新：
我的实现基于下面的Java代码: www_.dia.fi.upm.es/~jamartin/downloads/bpnn.java
我的backPropagate方法如下所示
浏览 3提问于2010-05-19得票数 6
回答已采纳
我是Rails的新手，所以请耐心听我说。这是我的haml文件，我正在渲染我的两个部分。
= render partial: 'stepwizard', locals: {active: 'payment'}
= render partial: 'form-payment', locals: {quotation_request: @quotation_request}
我想在这两个偏导数周围画一个边界。
我尝试将此代码添加到我的CSS中：
.border {
box-shadow: 0px 0px 10px 2px rgba(0, 0, 0
浏览 1提问于2017-05-23得票数 0
1回答
假设我有一个具有域R^d x R^d的二元函数f(x,y)，我有两组输入X = [x1,x2,...,xm]和Y = [y1,y2,...,yn]，其中每个xi和yj都是d-dimensional向量，我想用i,j个元素[f(xi,yj)]_ij来计算矩阵。我可以通过广播和做一些像f(X.unsqueeze(1),Y)这样的事情在PyTorch中做到这一点。 我真正想要计算的是下面的矩阵：[d/dx d/dy f(xi,yj)]_ij，其中我假设每个xi和yi都是标量值。我该如何在PyTorch中做到这一点？ 我知道，对于单输入函数和一阶导数，我可以这样做(使用PyTorch的autogra
浏览 41提问于2021-01-24得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
