내가 실행하면 신경 그물 import numpy as np
import matplotlib.pyplot as plt
class Neural_Network(object):
def __init__(self):
#Define Hyperparameters
self.inputLayerSize = 2
self.outputLayer
배경 : 저는 Matlab에서 유한 차이 스키마를 실행하고 있습니다. 두 변수의 함수를 구별하고 싶습니다 f(x,y). 대신 격자 점 F(:,:)에 매트릭스 표현이 있습니다. F이 1 차원 배열이면 차별화 연산자는 행렬 Delta(:,:)이고 차별화는 F_tag = Delta*F입니다. 그러나 F이 매트릭스이므로 더 복잡해집니다. 기본 접근법은 n^2 1
와 나는 다음과 같은 최소한의 예는 컴파일러에게, minimalexample.f90: MODULE FUNCTION_CONTAINER
IMPLICIT NONE
SAVE
INTEGER, PARAMETER :: DBL = SELECTED_REAL_KIND(P = 15,R = 200)
INTEGER :: DIMSYS
I 다음 NumPy와 배열을 가지고 arr_2가 5 X 2 배열 반면 arr_1 = [[1,2],[3,4],[5,6]] # 3 X 2
arr_2 = [[0.5,0.6],[0.7,0.8],[0.9,1.0],[1.1,1.2],[1.3,1.4]] # 5 X 2
arr_1가 명확 3 X 2 배열이다. 루프 없이는 arr_2에 슬라이딩 윈도우 기술 (윈도우 크
내가 유형에 따라, 그 항목 1 2 3
4 5 6
7 8 9
있습니다 어떻게 나는 이것이 (4 4 차원 아핀/투영 변환을 곱해야 1 2 3 0
4 5 6 0
7 8 9 0
0 0 0 1
로 확장 할 수 있습니다 매트릭스 Eigen::Matrix<double, 3, 3>을 가지고 있다고 가정하자 Eigen :: Transform)을 3D 회전
m 개의 항목이있는 벡터에서 n x m 행렬의 동작을 계산하는 순진한 접근법은 O (n x m)과 같이 비례하는 코드로 이어질 것입니다. 나는 BLAS 루틴을 사용하는 것이 이러한 계산을위한 좋은 선택이지만 O (n x m)보다 잘 확장된다는 것을 알고있다. 아니면 순진한 접근 방식보다 속도가 빠르지 만 동일한 스케일링이 있습니까?
v라는 Eigen MatrixXd 개체가 있는데이 행렬 내용에 액세스 할 때 몇 가지 문제가 있습니다. 코드에서와 같이 콘솔에서만 내용을 인쇄하면 정상적으로 작동합니다. 나는 콘텐츠를 사용하려고하면 오류가 나타납니다 : 어설 션이 실패했습니다 (행> = 0 & & 행을 < 행() & & COL> = 0 & & COL < COLS()), 기능 연산자(), /
줄무늬 행렬을 압축 대각선 저장 형식으로 저장하기 위해 파생 데이터 형식을 작성했습니다. 특히 I는 하부 및 상부 대각선 수가 this question이 정의를 포함 (하다 N 전체 매트릭스 L 및 U의 행 수는 2 차원 배열 cds(1:N,-L:U)의 열에 줄무늬 행렬의 각각의 대각선을 저장할 유형). 또한이 CDS 형식의 매트릭스와 전체 벡터 사이에서
두 행렬을 곱하면됩니다. 하나는 무게 매트릭스입니다 - W는 크기가 900x2x2입니다. 다른 하나는 크기가 2x2 인 입력 행렬입니다. 는 지금은 이 매트릭스, 을 900x1 될 것 c = WI 이상의 요약을 수행하려는하지만이 작업을 수행 할 때 그것은 곱하고 다시 나에게 900x2x2 매트릭스를 제공합니다. Q 2) (관련) 그래서 2D 그들 모두를 만