苏尔托诺夫系统指标 - 页 116

新评论
 
Yousufkhodja Sultonov:

雷纳特，我从未这样说过。我说过，在我在真实账户上 测试过所有东西之前，我不会做出判断。我正在等待顾问从MKL5代码转移到4。

ok

辩论会

---

我个人建议询问这个 人的意见--这值得吗？

因为他拍摄的是十元钱，只从事值得关注的事情。
 
Yousufkhodja Sultonov:

很好，你的表现超过了高斯和克莱默。

考虑指数Y对一组变量x的线性依赖。


为了估计方程的系数，我们应用高斯最小二乘法，得到以下k个线性方程组，至少有n≥k+1组实际数据Y取决于变量x的值。


一般来说，这个方程组是通过高斯（1777-1855）的变量连续消除法或利用矩阵的特性，即克拉默法（1704-1752）来解决的。

计算的复杂性

高斯方法是 解决线性代数方程组（SLAE）的一种 经典方法。这是一种连续消除变量 的方法，当使用基本转换的方程组被还原为阶梯形（或三角形）的等效系统时，从最后一个（按数量）的变量开始，一直到所有剩余的变量。

用高斯法解决SLAE 的算法分为两个阶段。

  • 在第一阶段，当通过弦上的基本变换，系统被带到阶梯形或三角形的形式，或者确定系统是不相容的，就进行了所谓的直接课程。也就是说，在矩阵第一列的元素中选择一个非零的元素，通过行的互换将其移到最上面的位置，并将互换后得到的第一行从其他行中减去，再乘以等于这些行的第一个元素与第一行的第一个元素之比的数值，从而将其下面的列清零。在进行上述转换后，第一行和第一列在心理上被划掉，继续下去，直到剩下一个零尺寸的矩阵。如果在任何一次迭代中，在第一列的元素中没有发现非零元素，就会进入下一列，进行同样的操作。
  • 在第二阶段，进行所谓的后退程序，其本质是通过非基本变量来表达所有获得的基本变量，并构建一个基本的解决方案系统，或者，如果所有变量都是基本的，则用数字表达线性方程组的单一解决方案。这个过程从最后一个方程开始，从这个方程中表达出相应的基础变量（只有一个），并将其替换到前面的方程中，以此类推，按 "步骤 "上升。每一行都正好对应一个基础变量，所以在每一步，除了最后一步（最上面的一步），情况正好重复最后一行的情况。

Cramer的方法需要计算适当维度的行列式。当使用高斯方法计算行列式时，该方法的时间复杂度为4阶，比直接使用高斯方法解方程组要差。

优素福，你会对一个来找你做学期论文并在里面的学生说什么？

你在哪里以及如何应用高斯ISC？你把系数的 "估计 "称为什么？而这个 "下一个系统 "是如何得出的？

为什么要如此大篇幅地引用小学的内容？首先像荡秋千一样，一二，来来回回，而这句话是关于解线性方程组的。这是为谁准备的？完全是白痴？

 
Олег avtomat:

得到一个matcad -- 你是否表现出很多聪明才智？

你是否展示了很多？你可以在一条线上解决学校问题，但你可以在五个屏幕上完成。而这些并不总是正确的。

 

这似乎是过时的方法，SVD被所有人使用))

但对于塔吉克斯坦来说，这就够了

 
Maxim Dmitrievsky:
这似乎是过时的方法，SVD是所有人都在使用的））。

什么是SVD(德拉古诺夫狙击步枪？)，请用人话说。让我想起了一位也是教TAU的老师，顺便说一下......他也很聪明，都喜欢。"你从数学中知道这个......"--打开课本，一对一地抄写课本上的公式。这里也是如此。我对这些大学的副教授有很多疑问--他们知道和了解什么，他们自己是否知道和了解？这里的优素福也是如此--"这里的一切都很简单，一，二"--这是从一些教科书上改写的，而且似乎改写得完全错误。

 
Dmitry Fedoseev:

什么是SVD，请用人话说。让我想起了一位也是教TAU的老师......他也是那么聪明，都喜欢。"你从数学上知道这个。"打开课本，一对一地抄写课本上的公式。同样的事情也发生在这里。我现在对这些来自机构的副教授有很多疑问--他们知道和理解什么，他们自己是否知道和理解？尤素福在这里也一样--"在这里一切都那么简单，一，二"--而且是从一些教科书上改写的，而且似乎是完全错误的改写。

奇异矩阵分解

 
Maxim Dmitrievsky:

奇异矩阵分解

所以它是可识别的？从一些教科书中摘取而不加理解，并将其作为自己思想的杰作？

 
Dmitry Fedoseev:

你的意思是可识别性？从一些教科书上不加理解地摘抄下来，然后冒充自己的思想杰作？

什么是可识别的？ 它只是翻译。

 
Maxim Dmitrievsky:

什么是可识别的？

那么什么是SVD？

 
Dmitry Fedoseev:

那么什么是SVD？

奇异矩阵分解，或只是奇异分解

谷歌今天在工作。

http://www.igce.comcor.ru/AI_mag/svdexam.html

1...109110111112113114115116117118119
新评论