derivative

    3热度

    1回答

    除了数值计算之外,有没有一种快速的方法来获得(网络激活的)协方差矩阵的导数? 我试图在深度神经网络中将它用作成本函数中的惩罚项,但为了通过我的图层向后传播错误,我需要获得衍生物。在Matlab ,如果 'A' 是层的激活矩阵(神经元*样品)i和 'DA' 是激活函数的导数: covariance = a * a'/(size(a,2)-1); 我到目前为止已经试过: covarDelta =

    2热度

    1回答

    我的工作区中有40个结构。我需要编写一个脚本来计算所有元素的方向派生。这里是代码: [dx,dy] = gradient(Structure_element_1.value); dxlb = min(min(dx)); dxub = max(max(dx)); dylb = min(min(dy)); dyub = max(max(dy)); [ddx,ddy] = gradient(

    1热度

    1回答

    有人可以提供他在1:15上得到的方程的推导,使用商规https://www.youtube.com/watch?v=aVId8KMsdUU&index=18&list=LL2gry7n2BsijUeah-oFnPSg 很简单的问题,但我得到另一个方程,所以我卡住了。 在此先感谢。

    0热度

    1回答

    我正在使用apache库来计算派生。我想要做的是让下面的公式 2+(2*x^2)+(3*x)+5 我跟着贴在下面的代码的衍生物,但我有点困惑关于下面所述的参数。 请帮我找出如何获得上述等式的导数。 代码: int params = 1; int order = 2; double xRealValue = 5; DerivativeStructure x = new Derivative

    3热度

    1回答

    我在R做了一些优化,并与我需要编写一个函数,返回一个雅可比。这是一个非常简单的雅可比 - 只是零和一个 - 但我想快速,干净地填充它。我目前的代码工作,但很sl。。我有一个四维概率数组。通过i, j, k, l索引尺寸。我的约束是,对于每个i, j, k,概率超过指数l之和必须等于1 我计算我的约束向量是这样的: get_prob_array_from_vector <- function(pro

    1热度

    2回答

    我给了一个指数系数作为多项式的键值对的字典。我的任务是创建一个函数来返回包含导数指数 - 系数键值对的字典。这是我这么远,但它不工作: def diff_p(d): d = {i - 1: i*d[i] if i is not 0 else d[i]: 0 for i in d} return d p = {0: -3, 3: 2, 5: -1} 为什么我得到语法错误?

    0热度

    1回答

    我对这本教科书很难接受,而且我的教授认为回答问题对已经知道进入课堂的材料的学生是不公平的(从这个人获得的反馈是一个数据挖掘过程本身)。无论如何,我的问题围绕着CFG(正式语言/函数式编程类)的派生。 Given a context free grammar that looks like: S-> a|B B-> b|C C-> c 找到最左边的推导。是简单的吗?因为S-> a是S->

    0热度

    2回答

    真的,我有一个问题,用matlab计算三维图像的一阶,二阶,三阶导数。 我有60片dicom格式的膝关节mri,我想计算导数。 当我们想要计算x或y方向上的导数时,例如我们使用sobel或x方向上的另一个算子来计算x方向上的导数。 但在3D图像中,我有60片dicom格式,我如何计算x,y,z方向上的一阶,二阶和三阶导数。 我这样实现一阶导数: F是具有所有切片的3d矩阵。 [k,l,m] =大小

    1热度

    1回答

    我有几个采样点的数据集共享相同的x坐标,并考虑到所有这些采样点进行多项式拟合。使用下面的代码 :如在这个曲线中正常工作 import numpy as np import matplotlib.pyplot as plt from sklearn.linear_model import Ridge from sklearn.preprocessing import PolynomialFe

    1热度

    1回答

    有人可以告诉我如何隐式区分公式Scilab? 例子: x^2+y^2=25 (a circle equation) 的衍生物是: dy/dx=−x/y 我们怎样才能做到在Scilab的这种隐含的分化? 可能与差异或dassl或Scilab的另一个功能?