用3点结构的s1顺序标定2点结构的s2顺序

在行列可自由变换的条件下,3点结构有6个

(A,B)---6*30*2---(0,1)(1,0)

让A分别是3a1,2,…,6,让B全是0。当收敛误差为7e-4,收敛199次取迭代次数平均值,得到

迭代

搜索难度

1

13913.2

1

2

27251.4

1.95867

3

26975.6

1.938849

4

24649.9

1.771691

5

38720.8

2.783025

6

44856.3

3.224007

这里训练集A-B矩阵的高度是3,而结构有3个点,3=3因此这个顺序是3点结构的s1顺序。

如对3a1

A

1

1

0

0

0

0

0

2

0

0

0

0

0

0

3

1

0

1

0

0

0

B

1

0

0

0

0

0

0

2

0

0

0

0

0

0

3

0

0

0

0

0

0

网络进样的顺序是A1,B1;A2,B2;A3,B3,A1,B1;A2,B2;A3,B3,…,因此训练集A-B矩阵的高就是训练集循环节的长度。

这里训练集A-B矩阵的高度是6,而结构有2个点,6>2因此这个顺序是2点结构的s2顺序。

用3点结构标定2点结构,具体就是计算2ax+1,因为1没有结构,因此等式右侧的搜索难度就是2ax的搜索难度。

2a1

5(2a1+1)=3a1+3*3a2+3a3

这里依然采用了行列可自由变换的近似

计算2a1的搜索难度

(1.00+3*1.96+1.94)/5=1.76

2a2

8(2a2+1)=3a1+2*3a3+2*3a4+3*3a5

(1.00+2*1.94+2*1.77+3*2.78)/8=2.10

2a3

5(2a3+1)=3a1+3a4+3*3a6

(1.00+1.77+3*3.22)/5=2.49

得到数据

搜索难度

1

1.762972

2

2.096269

3

2.488742

画成图

这条曲线是增函数,几乎是直线。

搜索难度

迭代

1

1.762972

58494.13

2

2.096269

80467.07

3

2.488742

102740.6

用搜索难度去拟合实测的迭代次数

Y=15336.994580640467*2.163249794570015**x

0.9852719062510689   ******  决定系数 r**2  

 

Y=23438.115852018498*x**1.6340660516474061

0.9945107822456026   ******  决定系数 r**2  

 

Y=60841.181063596116*x-48172.350283136024

0.9981419994047953   ******  决定系数 r**2  

 

Y=128331.44217305465*ln(x)-14352.569023395738

0.9999577444413075   ******  决定系数 r**2  

 

Y=-12640.774607238378*x**2+114709.70957574368*x-104447.442955342

1.0000000000000004   ******  决定系数 r**2 

所以这暗示2s2和3s1内在顺序的一致性

综合前面的数据

6s1

6s2

5s1

5s2

4s1

4s2

3s1

3s2

2s1

2s2

结构在点的数量相同的情况下,都有s1,s2两组顺序,ns2的顺序总是与(n+1)s1的顺序高度相关。

6s1

6s2

5s1

4s1

3s1

2s1

2s2

>2s2

>2s2

>2s2

也可以用4s1,5s1,6s1去标定2s2,但3s1与2s2的相似性要大于4,5,6s1与2s2的相似性

3s1-2s2>4s1-2s2>5s1-2s2>6s1-2s2

随着点的数量的增加,结构之间的相似性下降。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/412548.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

客服系统简易版

整体架构解读 客服端和商城端都通过websocket连接到客服系统, 并定期维持心跳当客户接入客服系统时, 先根据策略选择在线客服, 然后再发送消息给客服 websocket实现 用netty实现websocket协议, 增加心跳处理的handler, 详见chat-server模块 客服路由规则 暂时仅支持轮询的…

视频结构化从入门到精通——视频结构化主要技术介绍

视频结构化主要技术 1 视频接入 “视频接入”是视频结构化管道的起点(SRC Point)视频接入是视频结构化处理的第一步,它涉及将视频数据从各种采集源获取到系统中进行进一步处理。视频接入的质量和稳定性对后续的数据处理、分析和应用至关重要…

【openwrt-21.02】T750 openwrt-21.02 Linux-5.4.238 input子系统----gpio-keys实现分析

input子系统 输入子系统是由设备驱动层(input driver)、输入核心层(input core)、输入事件处理层(input event handle)组成 input子系统架构图 gpio-keys gpio-keys是基于input子系统实现的一个通用按键驱动,该驱动也符合linux驱动实现模型,即driver和device分离模型.一…

毕设创新点之一:基于GD32/STM32的AI模型部署-github库

将AI模型成功部署到边缘MCU中,常常受限于MCU的计算峰值和内存峰值的限制,部署较为困难,目前有一个将AI算法MCU部署到GD32系列MCU中的宝藏的开源库。 项目网址:HomiKetalys/gd32ai-modelzoo: Provide deployable deep learning mo…

Vue.js 模板语法详解:插值表达式与指令使用指南

Vue.js 模板语法详解:插值表达式与指令使用指南 引言 简要介绍主题: Vue.js 是一个现代化的 JavaScript 框架,用于构建用户界面。Vue 的模板语法提供了直观且功能强大的工具,用于将数据与 DOM 绑定。本文将深入探讨 Vue.js 的两个…

Training language models to follow instructionswith human feedback

Abstract 将语言模型做得更大并不会自动提高它们遵循用户意图的能力。例如,大型语言模型可能会生成不真实、有毒或对用户不有帮助的输出。换句话说,这些模型并未与用户对齐(aligned)。本文展示了一种通过人类反馈来对齐语言模型与…

2024实战指南:四款全免费的数据恢复工具盘点!

在这个数字化的时代里,数据的安全至关重要。如果一不小心删除或丢失了重要数据应该怎么办呢?这几个全免费的数据恢复工具可以帮你解决问题,亲测好用哦! 第一款:福昕数据恢复 直达链接:www.pdf365.cn/foxi…

【并发编程】从AQS机制到同步工具类

AQS机制 Java 中常用的锁主要有两类,一种是 Synchronized 修饰的锁,被称为 Java 内置锁或监视器锁。另一种就是在 JUC 包中的各类同步器,包括 ReentrantLock(可重入锁)、Semaphore(信号量)、Co…

Android13 Launcher3 客制化Workspace页面指示器

需求:原生态的workspace页面指示器是个长条,不大好看,需要进行客制化 实现效果如图: 实现原理: 代码实现在WorkspacePageIndicator.java 布局在launcher.xml里 实现在WorkspacePageIndicator.java通过重写onDraw函数…

顺序循环队列

顺序循环队列 队头插入元素,队尾删除元素 本来应该判空和判断是否存满的条件都是:队头 队尾,但这样就没办法区分了,所以,就牺牲一个空间(比如长度为10,但只能存9个),这…

auto的使用场景

auto的两面性 合理使用auto 不仅可以减少代码量, 也会大大提高代码的可读性. 但是事情总有它的两面性 如果滥用auto, 则会让代码失去可读性 推荐写法 这里推荐两种情况下使用auto 一眼就能看出声明变量的初始化类型的时候 比如迭代器的循环, 用例如下 #include <iostre…

利用autoDecoder工具在数据包加密+签名验证站点流畅测试

站点是个靶场 https://github.com/0ctDay/encrypt-decrypt-vuls 演示地址http://39.98.108.20:8085/ 不是仅登录位置暴力破解的那种场景&#xff0c;使用autoDecoder&#xff08;https://github.com/f0ng/autoDecoder&#xff09;的好处就是每个请求自动加解密&#xff0c;测…

关于ThinkPHP 5 框架开启自动搜索控制器 无法访问的问题坑

假如当前有一个登陆接口功能 因为后续会有不同版本的 登陆接口 这时候 我们可以在控制器中 新建文件夹 做区分 方便管理即 新建了一个 api 模块 文件路径是 api/controller/V1/Login 正常情况下 controller 目录下 是 控制器文件 login.php 文件&#xff0c;由于我们有多个…

Qt text-align和padding属性

1. text-align属性是用来设置文本的水平对齐方式。 text-align: center 文本将居中显示text-align: left 文本将左对齐显示text-align: right 文本将右对齐显示 2. 内边距padding: 内边距是元素内容与其边框之间的空间 padding-left: 10px; 距离内左边距10个像素点padding-r…

时序预测 | 基于WTC+transformer时间序列组合预测模型(pytorch)

目录 效果一览基本介绍程序设计参考资料 效果一览 基本介绍 WTCtransformer时间序列组合预测模型 WTC,transformer 创新点&#xff0c;超级新。先发先得&#xff0c;高精度代码。 预测主模型transformer也可以改其他WTC-former系列&#xff0c;比如WTC-informer/autoformer等等…

LLaMA Factory微调Llama3模型

LLaMA Factory是一款开源低代码大模型微调框架&#xff0c;集成了业界最广泛使用的微调技术&#xff0c;支持通过Web UI界面零代码微调大模型&#xff0c;目前已经成为开源社区内最受欢迎的微调框架。 &#x1f4a5;GPU推荐使用24GB显存的A10&#xff08;ecs.gn7i-c8g1.2xlarg…

论文泛读: DETRs Beat YOLOs on Real-time Object Detection

[toc[ DETRs Beat YOLOs on Real-time Object Detection 论文地址: https://openaccess.thecvf.com/content/CVPR2024/html/Zhao_DETRs_Beat_YOLOs_on_Real-time_Object_Detection_CVPR_2024_paper.html 代码地址: https://zhao-yian.github.io/RTDETR 动机 现状 YOLO系列因…

ubuntu设置为自己需要的屏幕分辨率

先说一下我处理该问题的大体背景&#xff1a;我是学习Linux的新手&#xff0c;刚学完嵌入式Linux驱动开发相关课程。现在想接着学习一下QT开发。我是在电脑上装了虚拟机之后安装的ubuntu系统。因为换了电脑&#xff0c;所以重新装了ubuntu系统。但是&#xff0c;装完ubuntu系统…

SELF-INSTRUCT: Aligning Language Modelswith Self-Generated Instructions 学习

指令微调就是要训练模型执行用户的要求的能力。 文章首先说“指令微调”数据集经常是人工生成&#xff0c;有数量少等缺点。文章提供了一个让语言模型自己生成指令微调数据&#xff0c;自己学习的方法。首先会让一个语言模型自己生成要求&#xff0c;输入和输出&#xff0c;然…

【JS】使用MessageChannel实现深度克隆

前言 通常使用简便快捷的JSON 序列化与反序列化实现深克隆&#xff0c;也可以递归实现或者直接使用lodash。 但 JSON 序列化与反序列化 无法处理如下的循环引用&#xff1a; 实现 MessageChannel 内部使用了浏览器内置的结构化克隆算法&#xff0c;该算法可以在不同的浏览器上…