[Archives] Mathématiques pures, physique, chimie, etc. : problèmes d'entraînement cérébral sans rapport avec le commerce. - page 537
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
... D'où vient le chiffre 6 ? Parce qu'il y a six voisins ?
Ce n'est pas la règle des six poignées de main ? Chaque point a six points voisins - six connaissances les plus proches.
Le problème dans cette formulation est standard pour un réseau neuronal - il minimise l'erreur MOC sur l'échantillon. Dans ce cas, il y a un perseptron linéaire à trois entrées avec un biais sur la troisième entrée. Il s'agit essentiellement d'une méthode de résolution numérique itérative. Comment lier le gaussien ici (ou non) ?
Il est possible de ne pas s'embarrasser de NS dans ce cas et de résoudre le problème par une simple énumération des coefficients a,b,c minimisant l'erreur d'échantillonnage.
Honte à moi, je ne comprends pas la logique de votre solution... D'où vient le chiffre 6 ? Parce qu'il y a 6 voisins ?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.
Qu'est-ce que c'est que ces matrices, Yusuf?! Un système de trois équations linéaires avec trois inconnues. Vous pouvez le résoudre sans aucun Gauss. Quel est le problème ?
Vous n'avez pas besoin d'approximations, il suffit de le résoudre par les formules de Cramer, si vous voulez tant bricoler avec les matrices. Rappelez-vous "règle", c'est très utilisé...
Qu'est-ce que c'est que ces matrices, Yusuf?! Un système de trois équations linéaires avec trois inconnues. Vous pouvez le résoudre sans aucun Gauss. Quel est le problème ?
Vous n'avez pas besoin d'approximations, il suffit de le résoudre par les formules de Cramer, si vous voulez tant bricoler avec les matrices. Rappelez-vous "règle", c'est très utilisé...
Quelle que soit votre "méthode directe", je ne peux probablement pas la gérer. Probablement une autre révolution mathématique, seulement maintenant dans l'algèbre linéaire.
P.S. Je crois que je commence à deviner : c'est encore (18).
Quelle est votre "méthode directe" que je ne peux probablement pas gérer. Probablement une autre révolution mathématique, mais cette fois dans l'algèbre linéaire.
P.S. Je crois que je commence à deviner : c'est encore (18).
(18) va bientôt ébranler les fondements du MNA gaussien dans les régressions linéaires.
L'essentiel est que cela n'ébranle pas les fondements de l'ADN.
C'est à propos de la règle des six poignées de main, n'est-ce pas ? Chaque point a six points voisins - six connaissances les plus proches.
Non !
Six, je veux dire, ce n'est pas le cercle le plus proche d'un nœud, c'est la distance moyenne la plus courte capable de relier deux nœuds arbitraires.
Non !
Six, ce n'est pas le cercle le plus proche d'un nœud, c'est la distance moyenne la plus courte capable de relier deux nœuds arbitraires.
Deux paramètres. Le premier est le nombre de connaissances les plus proches. Le second est la proximité (distance) de la connaissance (combien de poignées de main vous vous êtes connus).
Si les connaissances les plus proches sont au nombre de six, alors seul le nid d'abeille convient, et la proximité de la connaissance est déterminée par la taille de la cellule grise.
Qu'est-ce que c'est que ces matrices, Yusuf?! Un système de trois équations linéaires avec trois inconnues. Vous pouvez le résoudre sans aucune gaussienne. Quel est le problème ?
Alexei, si je comprends bien, il s'agit d'un système d'équations linéaires infinies (ou supérieures à trois) avec trois inconnues. Dans cette formulation, il est incorrect de choisir seulement trois équations et de chercher une solution régulière. Nous devons trouver une solution pour les coefficients de l'équation telle qu'ils satisfassent l'ensemble des vecteurs X et Y avec une erreur minimale. Celle-ci possède ses propres méthodes pour trouver la solution optimale.
Deux paramètres. Le premier est le nombre de connaissances les plus proches. Le second est la proximité (distance) de la connaissance (combien de poignées de main vous vous êtes connus).
S'il y a six amis les plus proches, les cellules sont appropriées, et la proximité de l'amitié est déterminée par la taille de la cellule grise.