สิ่งตีพิมพ์ในหัวข้อ 'mathematics'


ทำความเข้าใจแนวคิดควอเทอร์เนียน ตอนที่ 2 (จำนวนเชิงซ้อน)
1.ไปสู่การแปลงฟูริเยร์ควอเทอร์เนียนกำลังสองเฟส ( arXiv ) ผู้แต่ง : อาเมียร์ เอช. ดาร์ , เอ็ม. ยูนุส บัท บทคัดย่อ : การแปลงฟูริเยร์เฟสกำลังสอง QPFT เป็นส่วนเสริมแบบนีโอเทอริกจากคลาสของการแปลงฟูริเยร์และรวบรวมเครื่องมือประมวลผลสัญญาณที่หลากหลาย รวมถึงฟูริเยร์ ฟูริเยร์แบบเศษส่วน แบบบัญญัติเชิงเส้น และการแปลงฟูริเยร์แบบสัมพันธ์พิเศษ ในบทความนี้ เราจะสรุปการแปลงฟูริเยร์เฟสกำลังสองให้เป็นสัญญาณที่มีค่าควอเทอร์เนียน หรือที่เรียกว่าควอเทอร์เนียน QPFT QQPFT..
เรื่องราวทางสถิติ: การแปลงหลายตัวแปรสำหรับการแจกแจงทางสถิติ
สารตั้งต้นในการปรับโฟลว์ให้เป็นมาตรฐาน ใน ตอนก่อนหน้านี้ ของ Stat Stories ฉันได้พูดถึงการเปลี่ยนแปลงตัวแปรสำหรับการแจกแจงต่อเนื่องที่ไม่แปรผัน การแปลงตัวแปรดังกล่าวเป็นสิ่งจำเป็นสำหรับการสร้างการแจกแจงใหม่และซับซ้อนจากอันที่ง่ายกว่า อย่างไรก็ตาม การสนทนาถูกจำกัดอยู่เพียงตัวแปรเดียว ในบทความนี้ เราจะพูดถึงการเปลี่ยนแปลงของการแจกแจงแบบสองตัวแปร การทำความเข้าใจกลไกของการเปลี่ยนแปลงหลายตัวแปรเป็นก้าวแรกสู่วิธีการเรียนรู้ของเครื่องที่ได้รับความนิยมเมื่อเร็วๆ นี้ "Normalizing Flows"..
หัวข้อหนักทางคณิตศาสตร์ในวิทยาศาสตร์ข้อมูล!
1. เครื่องสนับสนุนเวกเตอร์ ด้วยชุดตัวอย่างการฝึกอบรม ซึ่งแต่ละหมวดหมู่ทำเครื่องหมายว่าเป็นหนึ่งในสองหมวดหมู่ อัลกอริธึมการฝึกอบรม SVM จะสร้างแบบจำลองที่กำหนดตัวอย่างใหม่ให้กับหมวดหมู่หนึ่งหรืออีกหมวดหมู่หนึ่ง ทำให้มันเป็นตัวแยกประเภทเชิงเส้นไบนารีที่ไม่น่าจะเป็นได้ (แม้ว่าวิธีการเช่น Platt มีการปรับขนาดเพื่อใช้ SVM ในการตั้งค่าการจำแนกประเภทความน่าจะเป็น) SVM แมปตัวอย่างการฝึกอบรมกับจุดในอวกาศเพื่อเพิ่มความกว้างของช่องว่างระหว่างทั้งสองหมวดหมู่ให้สูงสุด..
ปัญหาที่ 2: เลขฟีโบนัชชีคู่
ลำดับฟีโบนัชชีเป็นไปตามรูปแบบต่อไปนี้ f(n) = f(n-1) + f(n-2), n > 2, f(1) = 0, f(2) = 1 เราทำตามรูปแบบนี้ และคำนวณเลขคู่ f(c) โดยที่ f(c ) ≤ n
python ได้ตัวเลขสุ่มมาจากไหน?
คำอธิบายง่ายๆ เกี่ยวกับตัวสร้างตัวเลขสุ่มหลอก (PRNG) สมัยใหม่และการใช้งาน NumPy ใหม่ ในขณะที่สร้างตัวอย่างของตัวเลขที่แจกแจงแบบปกติ ฉันสงสัยว่าตัวเลขเหล่านั้น 'มาจากไหน' โดยเฉพาะอย่างยิ่งวิธีที่คอมพิวเตอร์สามารถสร้างตัวเลขที่เป็นไปตามการแจกแจงตัวเลือก ไม่ว่าจะเป็นแบบปกติ แบบเอ็กซ์โปเนนเชียล หรืออะไรที่แปลกกว่านั้น ไม่ว่าวิธีใดก็ตามที่รองรับการสร้างค่าแบบกระจายปกติเหล่านี้ ("การสุ่มตัวอย่างแบบผกผัน" "Box-Muller" หรือ "อัลกอริธึม Ziggurat" ที่รวดเร็ว) ค่าเหล่านี้ล้วนเริ่มต้นด้วย Building..
ทฤษฎีเซต
มาตัดการไล่ล่ากันเถอะ ใคร Georg Cantor มักได้รับการยกย่องว่าเป็นผู้ก่อตั้งทฤษฎีเซต เมื่อใด ทฤษฎีเซต คาดว่าจะก่อตั้งขึ้นในช่วงปลายศตวรรษที่ 19 ประมาณปี ค.ศ. 1874–1897 อะไร ชุดคือชุดของวัตถุ แตกต่าง ที่เรียกว่าองค์ประกอบ องค์ประกอบเหล่านี้ไม่จำเป็นต้องเกี่ยวข้องกันโดยธรรมชาติ และเลือกตามบริบทและวัตถุประสงค์ การเลือกองค์ประกอบจะขับเคลื่อนโดยเป้าหมายของตัวเลือก ไม่มีค่าต่ำสุดหรือสูงสุดเฉพาะสำหรับปริมาณขององค์ประกอบภายในชุด “ทฤษฎีเซตบริสุทธิ์เกี่ยวข้องกับเซตโดยเฉพาะ..
การปรับปรุงการดึงส่วนวิดีโอล่วงหน้าด้วยแมชชีนเลิร์นนิง
การใช้อัลกอริธึมการเรียนรู้ภายใต้การดูแลเพื่อคาดการณ์การตัดสินใจบิตเรตที่ปรับเปลี่ยนได้แม่นยำยิ่งขึ้น ด้วยปริมาณการรับส่งข้อมูลวิดีโอที่เพิ่มขึ้นอย่างมากบนอินเทอร์เน็ต การสตรีมแบบปรับได้ของ HTTP จึงกลายเป็นวิธีหลักในการมอบความบันเทิง การบรรลุถึงคุณภาพประสบการณ์ผู้ใช้ที่ดี (QoE) มีความสำคัญมากขึ้นกว่าที่เคย และแม้ว่าจะมีการเสนอวิธีแก้ปัญหามากมาย แต่การสตรีมบิตเรตแบบปรับได้ (ABR) ก็แสดงให้เห็นว่าเป็นเทคนิคที่ดีที่สุดสำหรับการส่งวิดีโอผ่านทางอินเทอร์เน็ต ในบริบทนี้..