注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 线性代数必须熟记的结论

  2. 1、行列式 1. 行列式共有 个元素，展开后有 项，可分解为 行列式； 2. 代数余子式的性质： ①、 和 的大小无关； ②、某行（列）的元素乘以其它行（列）元素的代数余子式为0； ③、某行（列）的元素乘以该行（列）元素的代数余子式为 ； 3. 代数余子式和余子式的关系： 4. 设 行列式 ： 将 上、下翻转或左右翻转，所得行列式为 ，则 ； 将 顺时针或逆时针旋转 ，所得行列式为 ，则 ； 将 主对角线翻转后（转置），所得行列式为 ，则 ； 将 主副角线翻转后，所得行列式为 ，则 ； 5.

  3. 所属分类：专业指导

    • 发布日期：2009-05-22
    • 文件大小：228352
    • 提供者：jayzf0503

  1. LINGO软件的学习

  2. LINGO是用来求解线性和非线性优化问题的简易工具。LINGO内置了一种建立最优化模型的语言，可以简便地表达大规模问题，利用LINGO高效的求解器可快速求解并分析结果。 §1 LINGO快速入门 当你在windows下开始运行LINGO系统时，会得到类似下面的一个窗口： 外层是主框架窗口，包含了所有菜单命令和工具条，其它所有的窗口将被包含在主窗口之下。在主窗口内的标题为LINGO Model – LINGO1的窗口是LINGO的默认模型窗口，建立的模型都都要 在该窗口内编码实现。下面举两个例子

  3. 所属分类：C

    • 发布日期：2009-08-08
    • 文件大小：319488
    • 提供者：huxlaylyx

  1. 在java环境下求转置矩阵

  2. 此程序时在java环境下求转置矩阵，并且显示矩阵之间的关系！

  3. 所属分类：Java

    • 发布日期：2009-10-03
    • 文件大小：950
    • 提供者：Geool

  1. DirectX 9入门（龙书）

  2. 《DirectX 9 3D游戏设计入门》 1 第一部分 必备的数学知识 (Mathematical Prerequisites) 10 目标 10 三维空间中的向量 11 向量相等 13 计算向量大小（向量的模） 14 标准化向量 14 向量相加 15 向量相减 16 标量与向量的乘积 16 点积 17 叉积 17 矩阵 18 相等、数乘矩阵以及相加 19 乘法 19 单位矩阵 20 逆转 21 矩阵的转置 21 D3DX 矩阵 22 基本变换 24 矩阵平移 25 矩阵旋转 26 矩阵缩放

  3. 所属分类：游戏开发

    • 发布日期：2011-09-09
    • 文件大小：4194304
    • 提供者：lf723

  1. 同学的打包代码

  2. 部分程序未完成所有功能，，，东华理工2011届课程设计，，汇总 1. 有理数运算 有理数是一个可以化为一个分数的数，例如2/3，533/920，-12/49都是有理数，而就为无理数。在C++中，并没有预先定义有理数，需要时可以定义一个有理数类，将有理数的分子和分母分别存放在两个整型变量中。对有理数的各种操作都可以用重载运算符来实现。 定义并实现一个有理数类，通过重载运算符+、-、*、/对有理数进行算术运算，通过重载运算符==实现判定两个有理数是否相等。写一个优化函数，它的作用是使有理数约去公分

  3. 所属分类：C/C++

    • 发布日期：2012-06-22
    • 文件大小：1048576
    • 提供者：ruo798

  1. excel的使用

  2. （1） 分数的输入如果直接输入“1/5”，系统会将其变为“1月5日”，解决办法是：先输入“0”，然后输入空格，再输入分数“1/5”。（2） 序列“001”的输入如果直接输入“001”，系统会自动判断001为数据1，解决办法是：首先输入“'”（西文单引号），然后输入“001”。（3） 日期的输入如果要输入“4月5日”，直接输入“4/5”，再敲回车就行了。如果要输入当前日期，按一下“Ctrl+；”键。（4） 填充条纹如果想在工作簿中加入漂亮的横条纹，可以利用对齐方式中的填充功能。先在一单元格内填入

  3. 所属分类：专业指导

    • 发布日期：2012-11-25
    • 文件大小：77824
    • 提供者：wuxianglian11

  1. 语言程序设计课后习题答案

  2. 第 一 章 概述 1-1 简述计算机程序设计语言的发展历程。 解： 迄今为止计算机程序设计语言的发展经历了机器语言、汇编语言、高级语言等阶段，C++语言是一种面向对象的编程语言，也属于高级语言。 1-2 面向对象的编程语言有哪些特点？ 解： 面向对象的编程语言与以往各种编程语言有根本的不同，它设计的出发点就是为了能更直接的描述客观世界中存在的事物以及它们之间的关系。面向对象的编程语言将客观事物看作具有属性和行为的对象，通过抽象找出同一类对象的共同属性（静态特征）和行为（动态特征），形成类。通过

  3. 所属分类：软件测试

    • 发布日期：2012-12-27
    • 文件大小：636928
    • 提供者：bai5170092

  1. vb矩阵计算

  2. 包含了矩阵大多数的运算，包括行列式，逆矩阵，转置矩阵等；模糊关系矩阵的合成，传递闭包等，注意，只能用于vb。

  3. 所属分类：VB

    • 发布日期：2018-12-31
    • 文件大小：64512
    • 提供者：qq_43478288

  1. 基于S 3⊗SO（3）⊂⊂O（2）⊗SO（3）rot⊂U（3）⋊S 2⊂O（6）子群链的置换对称三粒子超球谐函数

  2. 我们构造了三体置换对称超球谐函数，用于三个空间维度（3D）的非相对论三体Schrödinger方程。 我们根据S3⊗SO（3）rot⊂O（2）⊗SO（3）rot⊂U（3）⋊S2⊂O（6）子群链标记状态向量，其中S3是三体置换群 S2是它的两个元素子组，包含前两个粒子的转置，O（2）是三个粒子的“民主变换”或“运动旋转”组； SO（3）rot是3D旋转组，U（3），O（6）是通常的Lie组。 我们讨论了上述代数链所暗示的良好量子数，以及它们与谐波的S3置换性质的关系，尤其是考虑到SO（3）rot

  3. 所属分类：其它

    • 发布日期：2020-04-10
    • 文件大小：623616
    • 提供者：weixin_38526208

  1. 保研线代复习.pdf

  2. 线性代数复习，保研用，课程考试复习请勿使用！未经允许请勿转载或用作商业用途！ 本次重新下调了下载积分。6.逆矩阵性质:(AA)=1/入+A(AB)2=BA2(A)=(A)21A=|A 7.伴随矩阵A:A中各元的代数余子式转置后组成的矩阵 性质: 1)A=|A|A(基本性质) 2) AA=AA=AJE 3)|A'|=|A|"- 4)(A)*=(A+)(A-)=(A) 5)(AB)”=B′A 6)(A+)*=|A-A 7)R(A)=n,则R(A)=n R(A)=n-1则R(A)=1 R(A)(E

  3. 所属分类：讲义

    • 发布日期：2019-10-05
    • 文件大小：673792
    • 提供者：qq_38633884

  1. 往年线性代数考研试题.pdf

  2. 往年线性代数考研试题.pdf 数学一 线性代数集锦 几何与代数习题打印复印请选双面格式或用废纸·答案仅供参考·指正解答请发emai至:z990303seu.edu.cn—张小向3 0001 1000 21数三/四设4 ,1a2a)3a 0100 0010 B PI 0010 P? 0100 其 a 42 1000 0001 中A可逆,则B等于(C) (A)A P1P2. (B)P1A P2.(C)PIP2A. D)P2A PI H數三改A是n阶矩阵,a是n维列向量,若秩 秩(4,则线性方程组(D

  3. 所属分类：教育

    • 发布日期：2019-09-04
    • 文件大小：476160
    • 提供者：deanrossi

  1. 结合知识图谱实现基于电影的推荐系统.pdf

  2. 在推荐算法中融入电影的知识图谱，能够将没有任何历史数据的新电影精准地推荐给目标用户。交叉特征矩阵 Cr 交叉单元 第层 el 7交叉压缩单元模型的结构 交叉压缩单元模型的具体处理过程如下 (1)将与进行矩阵相乘得到。 (2)将复制一份,并讲行转置得到。实现特征交叉融合 (3)将经过权重矩阵进行线性变化(与矩阵相乘) (4)将经过权重矩阵进行线性变化。 (5)将(3)与(4)的结果相加,再与偏置参数相加,得到。将用于推荐算法模型的后续计算。 (6)按照第(3)、(4)、(5)步的做法,同理可以得到

  3. 所属分类：机器学习

    • 发布日期：2019-09-02
    • 文件大小：867328
    • 提供者：zjxaut2008

  1. 线性代数解题方法和技巧.pdf

  2. 线性代数相关例题的例题解读与方法运用，可以培养读者的灵活运用能力。线性代数解题方法和技巧 若D=aaa 则D 设A为阶矩阵,团4=一,求: 设A为n阶(实)矩阵,且满足AA=E·如果4<,求行列式A+的值. 设阶矩阵A与B相似,A的特征值为一 求行式|B-E的值 四、行列式等于零的判定 设A为n阶方阵,则与“|4=”等价的说法有 A是奇异矩阵 A是降秩矩阵,即RAn时,必有行列式AB≠ 当m>n时,必有行列式AB|= 当n>m时,必有行列式|6≠ 当n>m时,必有行列式A

  3. 所属分类：讲义

    • 发布日期：2019-07-20
    • 文件大小：261120
    • 提供者：llongueur

  1. PCA的数学原理

  2. PCA（Principal Component Analysis）是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线 性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。网上关于PCA的文章有很多，但是大多数只 描述了PCA的分析过程，而没有讲述其中的原理。这篇文章的目的是介绍PCA的基本数学原理，帮助读者了解PCA的工 作机制是什么。3 在代数表示方面,我们经常用线段终点的点坐标表示向量,例如上面的向量可以表示为(3,2),这是我们再熟悉不过的向 量表示。

  3. 所属分类：机器学习

    • 发布日期：2019-07-02
    • 文件大小：730112
    • 提供者：abacaba

  1. 数据结构第五章作业答案参考（C语言）

  2. 1．两个串相等的充要条件是（ ）。A．串长度相等B．串长度任意 C．串中各位置字符任意 D．串中各位置字符均对应相等 2．对称矩阵的压缩存储：以行序为主序存储下三角中的元素，包括对角线上的元素。二维下标为( i, j ),存储空间的一维下标为k，给出k与 i, j (i<j)的关系k=（ ） （1<= i, j <= n , 0<= k < n*(n+1)/2)。 A．i*(i-1)/2+j-1 B．i*(i+1)

  3. 所属分类：C/C++

    • 发布日期：2019-03-17
    • 文件大小：18432
    • 提供者：weixin_41360517

  1. 矩阵基本知识以及矩阵求导

  2. 矩阵基本知识以及矩阵求导，蛮不错的，硬盘里翻出来的，之前下载的概念:如果η阶方阵A的所有元素,以对角线为对称轴对称的元素相等,则称n阶方阵为对称 阵。 记作:如果A=A,则A为η阶对称阵 112n阶方阵的行列式 对象:n阶方阵A=(a)nxn 性质: 1)|A=|A 2)A|=入^nA 3)|AB=|A|B|,其中A和B都为n阶方阵矩阵A=a)nxn,B=(b)nxn 4)对于n阶矩阵A和B,一般来说 AB=BA,但是总是有:AB|=BA|=A|B 5)AA*=A*A=AE,其中A为伴随矩阵,E

  3. 所属分类：图像处理

    • 发布日期：2019-03-17
    • 文件大小：508928
    • 提供者：alayi

  1. 雷达的数字波束形成 文献

  2. 雷达的数字波束形成第卷增刊1 邱文杰译:雷达的数字波束形成 在数字处理器中,加权运算的精确和可预测的性质最终可以最佳和最快地控制天线波束 形状 13接收机校准方便 在任何系统中,至少有一部分波束形成过程是在多个接收机之后进行的,系统在接收机 各通道以及天线中的增益和相位误差是敏感的。这些误差的范围将直接影响波束形状的“质 量’,所以必须将它们或保持在可接受的低电平上,或用某些方式来补偿。正如后面第14节 中指出的,数字波束形成法允许选择后一方案,从而避免了要求接收机通道内有非常严格的 绝对公差或

  3. 所属分类：电信

    • 发布日期：2019-03-16
    • 文件大小：1048576
    • 提供者：yanchuan23

  1. Python 新手入门：不用转置，解决二维列表原地旋转问题（附代码）

  2. 本题来自Leetcode48：旋转图像 我们熟悉图像的旋转问题，而这个问题要求在原地旋转，即不能用额外的矩阵(空间复杂度o(1))。输入输出都是二维列表。 所以，收起将列表转化为numpy的想法。 如果您之前没接触这个问题，也容易想到去考察两个二维列表之间元素的对应关系。 假设a= [[1,2,3], [4,5,6], [7,8,9]] 旋转之后就是 [[7,4,1], [8,5,2], [9,6,3]] 二者的相对位置关系是什么？最明显的是四个对角区域1,3,7,9的关系：四者是互相交换得

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：53248
    • 提供者：weixin_38499706

  1. 由浅入深CNN中卷积层与转置卷积层的关系

  2. 本文来自于云社区，本文章主要介绍了转置卷积层和正卷积层的关系和区别是什么呢，转置卷积层实现过程又是什么样的呢,希望读后会给您带来帮助。在CNN提出之前，我们所提到的人工神经网络应该多数情况下都是前馈神经网络，两者区别主要在于CNN使用了卷积层，而前馈神经网络用的都是全连接层，而这两个layer的区别又在于全连接层认为上一层的所有节点下一层都是需要的，通过与权重矩阵相乘层层传递，而卷积层则认为上一层的有些节点下一层其实是不需要的，所以提出了卷积核矩阵的概念，如果卷积核的大小是n*m，那么意味着该卷

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：620544
    • 提供者：weixin_38750406

  1. 由浅入深CNN中卷积层与转置卷积层的关系

  2. 本文来自于云社区，本文章主要介绍了转置卷积层和正卷积层的关系和区别是什么呢，转置卷积层实现过程又是什么样的呢,希望读后会给您带来帮助。在CNN提出之前，我们所提到的人工神经网络应该多数情况下都是前馈神经网络，两者区别主要在于CNN使用了卷积层，而前馈神经网络用的都是全连接层，而这两个layer的区别又在于全连接层认为上一层的所有节点下一层都是需要的，通过与权重矩阵相乘层层传递，而卷积层则认为上一层的有些节点下一层其实是不需要的，所以提出了卷积核矩阵的概念，如果卷积核的大小是n*m，那么意味着该卷

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：620544
    • 提供者：weixin_38712279
« 12 3 »