腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
精选内容/技术社群/优惠产品,
尽在小程序
立即前往
文章
问答
(702)
视频
沙龙
1
回答
乘
积在
符号
变量
上
的
偏
导数
之和
、
、
我希望SymPy对如下表达式求值:我如何定义
符号
和表达式,以便SymPy可以很好地处理它?我想保持N仅仅是一个
符号
,也就是说,不是一个真正
的
x
的
有限列表。我尝试过IndexedBase和Sum /Product
的
各种组合,但都不能正常工作。
浏览 0
提问于2018-01-22
得票数 4
回答已采纳
1
回答
如何在Mathcad中编写
偏
导数
我使用Mathcad 14,我想知道是否可以用Mathcad写
偏
导数
。在微积分调色板
上
,我们只有正常
的
导数
符号
。
浏览 7
提问于2015-01-28
得票数 2
回答已采纳
1
回答
为什么要计算反向传播过程中神经网络误差w.r.t输出
的
偏
导数
?
、
📷 如图所示,我们计算了输出神经元
的
误差w.r.t
的
偏
导数
。它不应该是正常
导数
吗?这个错误不只是由输出决定
的
吗?
浏览 0
提问于2016-06-01
得票数 2
回答已采纳
1
回答
如何在Octave中做
偏
导数
我正在为一个类编写一个组中
的
代码。最大
的
障碍之一是找出做
偏
导数
的
代码。Octave在语法
上
类似于Matlab,但它不做
符号
"sym“。我有点纠结于如何在程序中做
偏
导数
。
浏览 2
提问于2016-05-05
得票数 5
1
回答
tf.gradients在TensorFlow中
的
工作原理
、
、
假设我有一个线性模型,如下所示,我想得到关于W和b
的
梯度向量。tf.mul(X, W), b) cost = tf.reduce_sum(tf.pow(pred-Y, 2))/(2*n_samples)grads = tf.gradients(cost, tf.all_variable()) 我
的
占位符也将包括在内即使我用[x,y,w,
浏览 0
提问于2017-01-24
得票数 19
回答已采纳
1
回答
在LSTM公式中,拉丁文字母'updown e‘是什么意思?
、
、
当我阅读关于机器学习
的
文章时,我经常遇到公式包含这样
的
符号
,这是一个'updown e‘,有人知道它是什么意思吗?我想是有点像德尔塔吗?我甚至不知道如何发音,请原谅我这可能是一个非常愚蠢
的
问题。以下是解释这一问题
的
全文:
浏览 5
提问于2022-02-22
得票数 0
回答已采纳
1
回答
用jacobian和
符号
函数实现MATLAB
的
微分
我在MATLAB中遇到了一个有趣
的
问题,在这个问题上,我找不到一个清晰
的
方法来运行包含
符号
函数
的
符号
方程
上
的
jacobian。假设我有一个动能方程
变量
x和phi是
符号
函数,在区分时给出了diff(x(t),t)和diff(phi(t),t)。如果我想取坐标的
偏
导数
(x_dot和phi_dot),如下所示我可以这样做,如果
变量
是作为
符号
<em
浏览 11
提问于2017-03-20
得票数 0
回答已采纳
1
回答
无体
符号
函数matlab
、
有没有可能用另外两个
变量
声明一个
符号
函数,而不指定MATLAB中
的
函数体? 我想有一个函数$\theta(x,t)$,其中$x,t$是
变量
。当我对$x$或$y$进行
偏
导数
运算时,仅仅将$theta$声明为
变量
就变成了$0$。
浏览 24
提问于2020-09-02
得票数 0
回答已采纳
1
回答
复杂非线性系统数值微分
我有一个非线性稳定
的
空间矩阵,我需要解这个微分,如下面的图所示:我对pic作了更多
的
解释(这里是dD/dx)
浏览 1
提问于2015-11-06
得票数 1
回答已采纳
1
回答
是否可以通过SymPy中
的
符号
()指定
偏
导数
符号
?
、
我想把其中一个
变量
象征性地表示为
偏
导数
,例如:因此,该显示器(DF_dx)将显示为:有办法吗?对于新手来说,官方
的
说法并不是很清楚。谢谢。
浏览 2
提问于2021-04-20
得票数 0
回答已采纳
1
回答
如何在C++中编写计算多
变量
函数
偏
导数
的
代码?
、
、
我已经编写了代码,通过创建一个名为"Der“
的
类来计算单
变量
函数
的
导数
。在class Der中,我定义了两个私有
变量
double f和double df以及一个print()函数来打印f和df
的
值。在类中,我重载了算子+, -, *, /, ^来计算函数
的
和、差、
乘
等
的
导数
。我不能显示整个代码,因为它很长,但我将展示一些片段来给出一个想法。endl; {
浏览 2
提问于2020-10-19
得票数 0
回答已采纳
1
回答
为什么Mathematica会为
导数
生成一个看似错误
的
答案呢?
、
我感到困惑
的
是,我认为这是一个
偏
导数
上
的
错误,我让数学为我做
的
。我试图取以下w.r.t
的
偏
导数
。而Mathematica则表示f w.r.t
的
偏
导数
。θ是:事实
上
,我很有信心,正确
的
答案是:也就是说,当
变量
d被微分时,Mathem
浏览 2
提问于2020-02-05
得票数 1
回答已采纳
2
回答
解释多
变量
函数
偏
导数
的
Python代码
我试图理解下面的代码如何在数值
上
近似多
变量
函数
的
偏
导数
。引用书的话: 当f是多个
变量
的
函数时,它有多个
偏
导数
,每个
偏
导数
表示当我们只对一个输入
变量
进行小
的
变化时f
的
变化。我们把它看作是它
的
第一个
变量
的
函数来计算它
的
i
偏
导数
,其中包含了其他
浏览 3
提问于2016-05-01
得票数 1
回答已采纳
1
回答
MATLAB中
的
差分方程-为什么需要切换
符号
?
、
、
我正在使用MATLAB来计算一个经济模型--新
的
混合ISLM模型--其中有一个令人困惑
的
步骤,作者转换了解决方案
的
符号
。第二个方程式:第三个和第四个是虚拟
的
:它是将时间t+1和t+2
变量
转换为t和t+1
变量
的
浏览 2
提问于2010-05-20
得票数 1
回答已采纳
7
回答
如何用牛顿法(编码非线性代数)求非线性多元函数
的
最小值
、
、
我试图做一些参数估计,并希望选择参数估计,以最小化预测方程中
的
平方误差,在大约30个
变量
上
。如果方程是线性
的
,我只需要计算30个
偏
导数
,把它们都设为零,然后使用线性方程求解器。但不幸
的
是,方程是非线性
的
,方程
的
导数
也是非线性
的
。 如果方程是通过一个单一
的
变量
,我将只使用 (也称为牛顿-拉夫森)。Web上有丰富
的
示例和代码来实现牛顿
的</e
浏览 6
提问于2008-12-24
得票数 12
回答已采纳
1
回答
Sympy自动为衍生产品创建
变量
、
所以我想要做
的
是使用sympy创建一个错误传播计算器,并创建表达式
的
偏
导数
。我
的
主要问题是如何从字符串表达式(例如"d*x+x**v“)中创建
符号
变量
,以便我可以使用sympy.diff(expr,Variables),我知道我可以使用parse_expr("string")将表达式从字符串解析为渐近表达式,但是否有办法从"String"创建所有
符号
,以便在计算微分
的
函数中使用它们。
浏览 3
提问于2019-11-14
得票数 0
回答已采纳
1
回答
表示Sympy中
的
常量
符号
,使其不是free_symbol。
、
Laplacian算子被定义为取expr关于每个
变量
的
第二
偏
导数
之和
(例如,Laplacian(f(x,y,z))是diff(f,x,x) + diff(f,y,y) + diff(f,z,z) )。在表达式中,可能存在任意常数c、k等,这些常量就表达式而言不是
变量
。正如不能使用
导数
diff(f,126)一样,也没有定义表达式相对于c
的
导数
。 需要,我需要能够从表达式中提取非常数
的
自由
符号
。对于我<
浏览 0
提问于2020-05-17
得票数 0
2
回答
弹性反向传播神经网络-关于梯度
的
问题
、
首先,我想说我对神经网络真的很陌生,对它
的
理解也不是很好。)该定义说:"Rprop只考虑所有模式
的
偏
导数
的
符号
(而不是幅度),并独立地作用于每个“权重”。 有人能告诉我所有模式
的
偏
导数
是多少吗
浏览 3
提问于2010-05-19
得票数 6
回答已采纳
2
回答
在梯度下降算法中,增量到底是什么意思?
、
、
、
如图所示:有人能帮我理解一下在梯度下降算法中增量到底是什么意思吗?
浏览 3
提问于2011-10-28
得票数 2
回答已采纳
0
回答
commons-数学微分结果为0
、
、
我用DerivativeStructures构建了一个非常简单
的
函数,我认为它可以工作;显然我错了。} 我试图得到多元函数f(x)=x^2+y^2在点(2.0,4.0)
的
一阶和二阶
偏
导数
。因此,我期望df/dx为4.0,df/dy为8.0作为一阶
偏
导数
。2.0用于二阶
偏
导数
。然而,我得到了正确
的
f(x,y)值,而我甚至没有从这个javadoc中得到任何概念。我在stackoverflow
上
看到了几
浏览 7
提问于2016-12-31
得票数 2
回答已采纳
点击加载更多
扫码
添加站长 进交流群
领取专属
10元无门槛券
手把手带您无忧上云
相关
资讯
趣读机器学习
机器学习中的数学(1)-梯度下降法
机器学习中的梯度下降法
反向传播算法推导-全连接神经网络
机器学习——神经网络代价函数、反向传播、梯度检验、随机初始化
热门
标签
更多标签
云服务器
ICP备案
云直播
对象存储
腾讯会议
活动推荐
运营活动
广告
关闭
领券