1回答
是否有任何算法来求连续函数的最大值，并证明它是有界的？我认为牛顿法和中点法是求定值的方法，还有其他求最大值的方法吗？
浏览 0提问于2014-03-26得票数 0
回答已采纳
1回答
我有一个任务，我必须证明的最大Lipschitz常数L这个链接中的函数是λmax(ATranspose*A)，.I会非常感谢任何事先helps.Thank你的人。
浏览 9提问于2022-02-03得票数 0
2回答
沃瑟斯坦损失可以是负的吗？
、、、、
我目前正在使用(大约) Wasserstein损失在keras中训练WGAN，如下所示： return K.mean(y_true * y_pred)我对WGAN进行了200个时期的训练，得到了下面的Wasserstein损失训练曲线。
上述损失按下式计算d_loss_fake = critic.train_on_ba
浏览 148提问于2019-07-19得票数 8
回答已采纳
我想用deSolve来求解耦合的偏微分方程，并试图通过用ode求解简单的微分方程来适应这个软件包。我知道y‘= sqrt(1-y^2)的解是sin(t + c)，所以我用启动条件y(0) =0和y(0) = 1测试它，分别得到sin(t)和sin(t + pi/2)。但是解决方案的情节完全不同，而且非常奇怪。derivs <- function(t, y)times <- seq(from = 0, to = 4, by = 0.2)
out <- ode(y = yini, times
浏览 2提问于2022-07-07得票数 0
下面是我的代码：OUTPUT_SIZE = 28def Discriminator(name,inputs):
output = tf.reshape(inputs, [-1, 28, 28, 1]) output2 = lrelu('d_lrelu_1', outp
浏览 7提问于2017-07-31得票数 1
1回答
我和GLSL一起玩，得到了。我试着把它转换成金属，但是当y-axis小于0时，我得到了一些奇怪的结果：对于地平线上的大多数立方体来说，都有一些有趣的弯曲的东西(<0)。这是我的Metal代码：{}
return max(max(v.x, v.y), v.z);
浏览 2提问于2016-09-07得票数 3
回答已采纳
‘>网络是通用逼近器，即对于每一个固定的精度参数\epsilon >0 和每个Lipschitz函数f : [−1; 1]^{n} \rightarrow [−1; 1]，可以构造一个网络，使得对于每个输入
浏览 0提问于2019-07-10得票数 1
2回答
Adaptation of a one-step worst-case optimal univariate algorithm of bi-objective Lipschitz optimization
浏览 0提问于2015-10-29得票数 1
回答已采纳
1回答
递归SQL -层次结构中的子代数
、、、、
考虑具有以下列的数据库表：
直观的帮助，使事情变得更清楚：我如何计算每一位数学家的后代数？更新：WITH RECURSIVE cte AS (
SELECT m.id as start
浏览 5提问于2016-04-16得票数 4
回答已采纳
似乎有许多问题涉及钟摆建模和odeint。我相信这个问题是很具体的，可以自行处理。它与将时间数组传递给odeint有关。from numpy import *import matplotlib.pyplot as plt
def pendulum(y,t,b,gamma,drivefreq)
浏览 1提问于2016-04-27得票数 1
1回答
我有一个matlab代码，可以求解dy/dt=t/y和y(0)=1，我如何将其推广到求解任意给定f(t，y)的dy/dt=f(t，y)，y(o)=y_0？
浏览 1提问于2011-03-23得票数 0
我正在解耗散方程
当我从第二次准确的模具中切换时
我看不出我的收敛速度有什么改善。
我编写并评论了一段代码，它显示了我的问题。当我使用五点策略时，我的收敛速度是一样的：
为什么会发生这种情况？为什么四阶精确模板不能帮助收敛速度？我仔细研究了一下，我认为在我的理解中一定有一些问题。
# Let's evolve
浏览 0提问于2018-03-31得票数 0
回答已采纳
sigma=10，r=28和b=8/3这是我编写的代码，但是它抛出了一个错误，说明在double_scalars中遇到了溢出，我不知道程序有什么问题def runge_4(r0,a,b,n,f1,f2,f3): x=r[0] z=r[2]
浏览 12提问于2020-06-14得票数 1
回答已采纳
1回答
ODEs积分的隐式欧拉法
、、、
对于那些熟悉该方法的人来说，我们知道必须解决这个方程：然而，F通常不是线性的，得到的方程通常对y(i+1)有许多不同的解。我们在寻找哪一种解决方案，例如，牛顿-拉夫森方法会做什么，从而找到正确的零？任何帮助都是非常感谢的。
浏览 3提问于2015-05-02得票数 0
回答已采纳
3回答
构造SVD的组件数量
、、、、
可以通过使用截断的奇异值分解来降低维数。它通过截断奇异值分解(SVD)进行线性降维。然而，在分解之前，必须选择组件的数量。tfidf_vec = TfidfVectorizer(analyzer="word", max_features=5000, ngram_range=(1,2))tfidf_df = tfidf_vec.fit_transform(values)
df = svd.fit_transform(t
浏览 2提问于2018-01-24得票数 4
我有一个问题，与LinearRegressionWithSGD在火花的MLlib。我用他们的例子从这里安装 (使用Python )。from pyspark.mllib.regression import LabeledPoint, LinearRegressionWithSGDdef parsePoint(line):
values
浏览 4提问于2015-06-22得票数 4
3回答
如何在嘈杂的环境中知道正确的方向？我想象如果有很多神经元，就会有很大的可能性。我担心如果我看得太近，可能的空间看起来很嘈杂。梯度下降只知道近距离观察:你在这个微点得到梯度。我怎样才能实现一种不那么精细的晶粒方法，在一个嘈杂的平面上找到一个全局最小值，然后下降到一个更好的分辨率，以便在全局最小值内找到局部最小值？
是的
浏览 0提问于2019-09-06得票数 1
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
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
