[Matematica pura, fisica, chimica, ecc.: problemi di allenamento del cervello non legati in alcun modo al commercio - pagina 537

 
Neutron:

... Da dove viene il numero 6? Perché ci sono sei vicini?


Non è la regola delle sei strette di mano? Ogni punto ha sei punti vicini - sei conoscenti più vicini.
 
Neutron:

Il problema in questa formulazione è standard per una rete neurale - minimizza l'errore MOC sul campione. In questo caso, c'è un perseptron lineare a tre ingressi con un bias sul terzo ingresso. Questo è essenzialmente un metodo di soluzione iterativa numerica. Come si lega la gaussiana qui (o no)?

È possibile non preoccuparsi di NS in questo caso e risolvere il problema con la semplice enumerazione dei coefficienti a,b,c minimizzando l'errore di campionamento.

Vergogna, non capisco la logica della tua soluzione... Da dove viene il numero 6? Perché ci sono 6 vicini?
In primo luogo, Gauss è presente qui fin dall'inizio, dato che ha inventato la MNC, e in secondo luogo, la soluzione delle equazioni normali ottenute dalla MNC gaussiana è già fatta da un altro metodo gaussiano di risolvere queste equazioni usando le matrici.
 

yosuf: Во первых, Гаусс присутствует здесь с самого начала, поскольку он и придумал МНК, а во вторых, решение нормальных уравнений, полученных методом МНК Гаусса, производится уже другим методом Гаусса решения этих уравнений с помощью матриц.

Che diavolo di matrici, Yusuf?! Un sistema di tre equazioni lineari con tre incognite. Si può risolvere senza alcun Gauss. Qual è il problema?

Non c'è bisogno di approssimazioni, basta risolverlo con le formule di Cramer, se vuoi armeggiare tanto con le matrici. Ricorda "righello", è usato molto...

 
Mathemat:

Che diavolo di matrici, Yusuf?! Un sistema di tre equazioni lineari con tre incognite. Si può risolvere senza alcuna gaussiana. Qual è il problema?

Non c'è bisogno di approssimazioni, basta risolverlo con le formule di Cramer, se vuoi armeggiare tanto con le matrici. Ricorda "righello", è usato molto...

Questo è il problema: non si vuole armeggiare con le matrici, anche con il metodo di Cramer, c'è un metodo diretto.
 
yosuf: Questo è il problema, non si vuole scherzare con le matrici, anche con il metodo di Cramer, c'è un metodo diretto.

Qual è il tuo "metodo diretto", probabilmente non posso gestirlo. Probabilmente un'altra rivoluzione matematica, solo ora in algebra lineare.

P.S. Credo di cominciare a indovinare: è di nuovo (18).

 
Mathemat:

Qual è il tuo "metodo diretto" che probabilmente non posso gestire. Probabilmente un'altra rivoluzione matematica, solo questa volta nell'algebra lineare.

P.S. Credo di cominciare a indovinare: è di nuovo (18).

(18) sta per scuotere le fondamenta dell'MNC di Gauss per le regressioni lineari.
 
yosuf:
(18) scuoterà presto le fondamenta del MNA gaussiano nelle regressioni lineari.

La cosa principale è che non scuoterà i fondamenti del DNA.
 
Integer:

Non è la regola delle sei strette di mano? Ogni punto ha sei punti vicini - sei conoscenti più vicini.

No!

Sei, voglio dire, non è il cerchio più vicino di un nodo, è la distanza media più breve in grado di collegare due nodi arbitrari.

 
Neutron:

No!

Sei, voglio dire, non è il cerchio più vicino di un nodo, è la distanza media più breve in grado di collegare due nodi arbitrari.


Due parametri. Uno è il numero dei conoscenti più vicini. Il secondo è la vicinanza (distanza) di conoscenza (quante strette di mano vi siete conosciuti).

Se i conoscenti più vicini sono sei, allora solo il nido d'ape si adatta, e la vicinanza del conoscente è determinata dalla dimensione della cella grigia.

 
Mathemat:

Che diavolo di matrici, Yusuf?! Un sistema di tre equazioni lineari con tre incognite. Si può risolvere senza alcuna gaussiana. Qual è il problema?

Alexei, come ho capito, questo è un sistema di infinite (o maggiori di tre) equazioni lineari con tre incognite. In questa formulazione, non è corretto scegliere solo tre equazioni e cercare una soluzione regolare. Dobbiamo trovare una soluzione tale per i coefficienti dell'equazione che soddisfino l'intero vettore X e Y con il minimo errore. Questo ha i suoi metodi per trovare la soluzione ottimale.

Intero:


Due parametri. Uno è il numero dei conoscenti più vicini. Il secondo è la vicinanza (distanza) di conoscenza (quante strette di mano vi siete conosciuti).

Se ci sono sei amici più stretti, allora le celle sono appropriate, e la vicinanza dell'amicizia è determinata dalla dimensione della cella grigia.

Allora qual è la soluzione a questo schema?