01. 信号概述 信号概述 按照时间特性的信号分类 确定信号和随机信号 确定信号 除了间断点外,对于一个确定的时间\(t\),都能有一个确定的值\(f(t)\)与之对应。 随机信号 又分为稳定的和不稳定的随机信号。 伪随机信号 连续时间信号和离散时间信号 连续时间信号 除了间断点外,在任何时间\(t\)都能找到一个与之对应的值\(f(t)\)。 连续时间信号的值域可以是连续 2021-05-06 学习笔记 > 信号与系统
03. 信号的傅里叶级数 信号的傅里叶级数 信号变换 分解、响应、叠加是信号与系统中最基础的信号处理方式。对信号的变换思路来源于时域内的信号\(f(t)\)是以时间为变量的函数方程,在时域内噪声和有用信号往往是同时发生的,难以将噪声从信号中剥离,因此需要对信号进行变换,将信号从时域变换到频域(以频率为自变量的空间,频域中的信号可以表示为\(H(ω)\)),通过频率的不同就能利用滤波器将噪声剥离。 正交分解 正交函数 2021-04-30 学习笔记 > 信号与系统
8.1. 激活函数、代价函数和决策边界 img{ width: 50%; padding-left: 20%; } 激活函数、代价函数和决策边界 逻辑回归的代价函数的线性拟合 逻辑回归的激活函数:\(h(x)=\frac{1}{1+e^{-θ^Tx}}\)。 对于单个样本\((x,y)\),逻辑回归的代价函数是:\(-ylog(h_θ (x))−((1−y)log(1−h_θ (x)))\),将\ 2021-04-27 学习笔记 > 机器学习基础课程——吴恩达 > 08. 支持向量机
8.3. 核函数 核函数 非线性分类的SVM 本节将使用核函数对支持向量机进行改造,使其成为复杂的非线性分类器。 比如对于如上图所示的分类,决策边界是非线性的。 此时一种对其拟合的方法是用多项式对其进行拟合。 比如: 当\(θ_0+θ_1x_1+θ_2x_2+θ_3x_1x_2+θ_4x_1^2+θ_5x_2^2+..≥0\)时,预测\(y=1\)。 就能够得到一个假设函数: \[h_θ(x)=\b 2021-04-27 学习笔记 > 机器学习基础课程——吴恩达 > 08. 支持向量机
8.2. 数学原理 img{ width: 50%; padding-left: 20%; } 数学原理 回顾:向量的点乘 对于向量\(u=[\begin{smallmatrix} u_1 \\ u_2 \end{smallmatrix}]\),\(v=[\begin{smallmatrix} v_1 \\ v_2 \end{smallm 2021-04-27 学习笔记 > 机器学习基础课程——吴恩达 > 08. 支持向量机
大学物理下-常考知识点 大学物理下 整理重邮常考的知识点 参考书目为《物理学 (上)》 东南大学 第六版 导体和介质 导体的性质 自由电荷分布在导体表面 静电平衡时,导体内部电场为0 导体表面与叠加电场垂直 越尖锐的表面,电荷积聚越多 电位移矢量 \[\vec{D}=ɛ_0ɛ_r\vec{E}\] 静电屏蔽 将物体放入导体壳(法拉第笼)内部,导体壳内部的物体 2021-04-27 学习笔记 > 物理和数学