[存档！]纯数学、物理学、化学等：与贸易没有任何关系的大脑训练问题 - 页 555

新评论
 
Svinotavr:

这个视频也是一个骗局吗？PS：不仅是阿列克谢的 意见，其他论坛成员的意见也很有意思。


"我所知道的唯一一个成功地制造出以苏尔命名的苏尔发电机的人就是苏尔本人"：)
 
Svinotavr:
占领半个欧洲的人也不多。迪米特里，你认为这句话 "否定 "了影片的其他部分吗？那么，你怎么看，离婚还是不离婚？


这部电影看起来像教派宣传。完全是一派胡言，甚至丝毫不当回事......。60年来，他一直在给...他又给了什么？

 
MetaDriver:

// 马上原谅我的离题，因为应用解决方案的特殊情况（如果找到了解决方案）仍然与贸易有关。

// (: 但另一方面，这也是一种激励，对吗？ :)

// 如果你真的帮忙，我会告诉你我为什么需要它......。;) 我向你保证--它可能会派上用场......

任务。

给定： N维空间中的M个正交向量集合（M<N）//在极限情况下M=1

要求： 建立一个 与给定集合正交 的向量发生器 （！）。 我需要一个想法，如何快速生成 满足条件的随机向量 （！ ）。

解释-提醒：对于N维空间，解空间的维度等于(N-M)，也就是说，在初始设定为(M=N-1)个向量的情况下，我们有一个唯一的解（顺便说一下，如何在一步之内得到它？ 维基上有一篇文章，但我还没有弄明白。谁能解释手指上的算法-给薄荷（再次-告诉我我需要这些的原因））。对于较小的初始集--有无限多的此类向量，即 "有变种"。 这些是需要生成的变体。

"正交向量的集合A与集合B正交 "这句话有些含糊不清（在究竟什么是正交的意义上）......你能具体说明确切的条件吗，最好是用一个公式？
 
alsu:
"正交向量的集合A与集合B正交 "这句话有些含糊不清（在究竟什么是正交的意义上）......我们能否具体说明确切的条件，最好是用一个公式？

你可以说得更具体一些。 言语对我来说更容易。 所有矢量都是相互正交的。:) 我不需要B组，我的意思是，我需要，但不是立即，而是逐渐。:))

你应该在mql(5)中做一个函数，把一组初始向量（A）作为一个数组，并返回一个与所有输入向量正交的向量。

像这样的:

bool GetOrtoVector(int Dimention, int InputCount, double &Input[], double &Out[]); 
  { 
    .....  
    return succes; 
  }

输出矢量是随机的，但保证来自一个互补的空间。(如果InputCount == Dimention-1，则返回唯一可能的单值向量)

重要条件： 该功能必须是[尽可能快]。 我可以自己做。:)

 
alsu:
"正交向量的集合A与集合B正交 "这句话有些含糊不清（在究竟什么是正交的意义上）......你能具体说明确切的条件吗，最好是用一个公式？

关于公式：所有传入和传出向量的相互配对标量积==0

这个条件使我们能够唯一地解决方程组，并得到最后一个矢量（当M==N-1时）。

在(M<N-1)的情况下，系统已经有了一个解的空间。

而我正是需要从这个解空间中提取随机向量。 最好是非常 快。

 
MetaDriver:

这个条件使我们能够唯一地解决方程组，并得到最后一个矢量（在M==N-1）。

只有在集合被规范化的情况下。如果不是，我们也会得到无限多的解决方案。

例如：对于一个集合{(1,0,0), (0,2,0)}，任何形式的矢量(0,0,z)将是正交的。

 
alsu:

只有在集合被规范化的情况下。如果不是这样，我们也会得到一个无限的解决方案集。

例如：对于一个集合{(1,0,0), (0,2,0)}，任何形式的矢量(0,0,z)将是正交的。

是的，当然了。 所有的向量都被归一化。包括输入和输出。
 
MetaDriver:
是的，当然了。 所有的向量都被归一化。包括输入和输出。
有一个简单的解决方案...正如他们所说的那样，在舌头上）））现在
 
alsu:
有一个简单的解决方案...正如他们所说的那样，在舌头上）））现在

对于输入的单个向量（x0），我很容易而且很久以前就想出了一个解决方案（对于一个任意维度的空间）。

. . 1. Генерируем случайный вектор (x1r)

. . 2. Нормируем его -> (x1rn)

. . 3. Находим сумму и разность вродного (х0) и полученного (x1rn) -> (sX, dX)

. . 4. Складываем sX+dX и нормируем сумму.

. . 5. Готово. Возвращаем из функции и берём с полки пирожок.

--

但对于多于一个的输入向量，这种算法就不好用了。 或者说我还没能正确地适应它。

如果你有一个想法，如何调整它，使迭代不会像雪球一样倍增，这将是有用的。

 

妈的，在我解释的时候，我想我明白了。:)

如果我们对每个输入矢量进行上述程序，那么通过求和得到的所有矢量与随后的归一化之和都将得到所需的伪随机矢量

alsu，如果我说得不对，请纠正我。

--

//是的，几乎得到了它。 再复杂一点，就没那么容易了。 在每一步得到xi向量后，你应该先用下一个输入向量对其进行 "加-减-归一"，以此类推，直到输入向量用完。类似这样的事情。

1...548549550551552553554555556557558559560561562...628
新评论