有关logistic(sigmoid)函数回归
摘要：
在神经网络中，经常用到sigmoid函数，y = 1 / (1+e-x) 作为下一级神经元的激活函数，x也就是WX（下文，W以θ符号代替）矩阵计算结果。 这个函数通常用在进行分类，通常分为1或0的逻辑分类，所以又叫logistic回归。 常规常规情况下，我们使用的损失函数是 j(θ) = 1 / 2 阅读全文
全站仪双棱镜测量坐标精度
摘要：
先有全站仪测量单个点坐标精度：https://www.cnblogs.com/pylblog/p/10464467.html 原理图： 假设d2、d1为已知值，求P点坐标精度 Ep = Np2 + HD * cos(A) Np = Ep2 + HD * sin(A) Zp = Zp2 - VD 参考 阅读全文
u检验粗浅理解
摘要：
假设检验是以小概率事件，在一次实验中是不可能发生为前提(事实上是有可能发生的，但不是这样说的话，就落入一个圈，不能继续玩了)，来否认原假设。 u检验的定义： 已知从正态母体N(u,σ2)中抽得容量为n的子样，求得子样的均值x，而且假设母体的方差σ2 为已知值，那么可利用统计量 u = (x - μ) 阅读全文
SVD分解
摘要：
首先，有y = AX，将A看作是对X的线性变换 但是，如果有AX = λX，也就是，A对X的线性变换，就是令X的长度为原来的λ倍数。 *说起线性变换，A肯定要是方阵，而且各列线性无关。（回想一下，A各列相当于各个坐标轴，X各个分量相当于各个坐标轴的“基本向量”长度） （同一长度的各个方向的向量，变换 阅读全文
测绘线性代数（三）：伪逆解
摘要：
原来的说法: 向量V的各个分量，对A的列向量进行线性组合。 V' = x i + y j 通常，要知道V' 的大小和方向，首先是将i , j 绘制出来，然后用V各个分量对其线性组合。 如果i⊥j ，而且| i | = | j | =1， 如果以 i 和 j 为坐标轴，那么V' 就是V在以i和j为坐标 阅读全文
测绘线性代数（二）：以全站仪求坐标精度为例
摘要：
例子： 已知全站仪先验测角中误差为：e = σhar =σvar ，单位：秒。 测距中误差为：a+b*S 注：b单位： 10-6，S单位：km，也为斜距中误差σsd 水平距离计算公式：HD = SD * sin(Var)， 竖直距离计算公式：VD = SD * cos(Var) 泰勒一阶展开得：（泰 阅读全文
测绘线性代数（一）：基础
摘要：
通常来说，线代开始入门，都会从线性方程组开始： 如果我们将y1到y4 整体来看，看作是列向量Y（竖着的向量）的一步分，那么A=[A1,A2,A3,A4]，也就是矩阵A，有四个列向量，不难看出 Y = AX = x1A1 + x2A2 + x3A3 + x4A4 （粗体代表向量） 也就是说，列向量Y， 阅读全文
C#的asyn和await，测试、应用、原理
摘要：
static void Main(string[] args) { var d = new NavDownLoader(); Task<bool> success = d.DownLoadLatestNavAsync(); Console.WriteLine("等...."); Console.Wr 阅读全文
从曲面拟合尝试理解神经网络中的激活函数
摘要：
激活函数引用：https://www.cnblogs.com/ms-uap/p/9962978.html 首先，单个神经元是长这样的： 也就是，当A=σ(Z)=Z时，不使用激活函数的话，那么，单个神经网络，输出只能是A = ΣWX + b 1. 从训练数据来理解。（参考：https://blog.c 阅读全文
使用“反向传播”迭代法求解y=√10
摘要：
X=√10，求X，也就是求Y=10 =X2 , X是多少。 *重要的思想是，如何转化为可迭代求解的算法问题。 *解数学问题，第一时间画图，求导，“直线化”。 Y = X2 假如已知Y = 10 ，要求解X； 1. 令X=3，解得 y = 9 ; 那么，自然是希望，在X=3处，加上一个△X，得到 Y 阅读全文