网站首页 站内搜索

搜索结果

查询Tags标签: tilde,共有 14条记录
  • $SU(2)$ 与 $SO(3)$ 的对应关系

    从Pauli算符看SU(2)与SO(3) 如果$U\in SU\left( 2 \right) $,对于任意一个\(2x2\)零迹厄密矩阵\(\sigma=\left( \begin{matrix}z& x-iy\\x+iy& -z\\ \end{matrix} \right)\),都有\(U\sigma U^\dagger\)仍旧是零迹厄密矩阵,即$U\sigma U^{\dagger}=\tilde{\sig…

    2022/3/9 23:14:52 人评论 次浏览
  • 【图神经网络】图神经网络(GNN)学习笔记:图滤波器与图卷积神经网络

    图神经网络GNN学习笔记:图滤波器与图卷积神经网络 4. 图滤波器4.1 空域视角4.2频域角度 5. 图卷积神经网络5.1 对频率响应矩阵进行参数化5.2 对多项式系数进行参数化5.3 设计固定的图滤波器 参考资料4. 图滤波器 在图信号处理中,我们将图滤波器定义为对给定图信号的频谱…

    2022/1/25 23:05:12 人评论 次浏览
  • 回归分析09:自变量的选择(1)

    目录Chapter 9:自变量的选择(1)5.1 自变量选择的后果5.1.1 全模型和选模型5.1.2 自变量选择对估计和预测的影响5.2 自变量选择的准则5.2.0 残差平方和的局限性5.2.1 平均残差平方和准则5.2.2 调整后的 准则 Chapter 9:自变量的选择(1) 5.1 自变量选择的后果 5.1.1 全模…

    2021/12/16 6:11:11 人评论 次浏览
  • 回归分析09:自变量的选择(1)

    目录Chapter 9:自变量的选择(1)5.1 自变量选择的后果5.1.1 全模型和选模型5.1.2 自变量选择对估计和预测的影响5.2 自变量选择的准则5.2.0 残差平方和的局限性5.2.1 平均残差平方和准则5.2.2 调整后的 准则 Chapter 9:自变量的选择(1) 5.1 自变量选择的后果 5.1.1 全模…

    2021/12/16 6:11:11 人评论 次浏览
  • latex打出算法复杂度里的O波浪线

    \tilde{O} O~\tilde{O}O~ 来源:https://tex.stackexchange.com/questions/66418/tilde-over-a-symbol-phi

    2021/10/17 17:11:18 人评论 次浏览
  • latex打出算法复杂度里的O波浪线

    \tilde{O} O~\tilde{O}O~ 来源:https://tex.stackexchange.com/questions/66418/tilde-over-a-symbol-phi

    2021/10/17 17:11:18 人评论 次浏览
  • 摄像机矩阵的分解,求解内外参矩阵(Matlab实现)

    1. 应用背景 根据3D点与对应的2D点,能够求解得到摄像机矩阵P,P=K[R∣t]\rm{P}=\rm{K}[\rm{R}|\rm{t}]P=K[R∣t]摄像机矩阵由内参矩阵K\rm{K}K, 外参矩阵(包括旋转R\rm{R}R和平移t\rm{t}t)组成,需要利用PPP矩阵来求解具体的三个分量。 2. 实施原理 定义齐次坐标系下:…

    2021/7/30 23:37:49 人评论 次浏览
  • 摄像机矩阵的分解,求解内外参矩阵(Matlab实现)

    1. 应用背景 根据3D点与对应的2D点,能够求解得到摄像机矩阵P,P=K[R∣t]\rm{P}=\rm{K}[\rm{R}|\rm{t}]P=K[R∣t]摄像机矩阵由内参矩阵K\rm{K}K, 外参矩阵(包括旋转R\rm{R}R和平移t\rm{t}t)组成,需要利用PPP矩阵来求解具体的三个分量。 2. 实施原理 定义齐次坐标系下:…

    2021/7/30 23:37:49 人评论 次浏览
  • 深入浅出图神经网络 第6章 GCN的性质 读书笔记

    第6章 GCN的性质 第5章最后讲到GCN结束的有些匆忙,作为GNN最经典的模型,其有很多性质需要我们去理解。 6.1 GCN与CNN的区别与联系 CNN卷积卷的是矩阵某个区域内的值,图卷积在空域视角下卷的是节点的邻居的值,由此粗略来看二者都是在聚合邻域的信息。 再具体来看一些区…

    2021/7/15 6:06:17 人评论 次浏览
  • 深入浅出图神经网络 第6章 GCN的性质 读书笔记

    第6章 GCN的性质 第5章最后讲到GCN结束的有些匆忙,作为GNN最经典的模型,其有很多性质需要我们去理解。 6.1 GCN与CNN的区别与联系 CNN卷积卷的是矩阵某个区域内的值,图卷积在空域视角下卷的是节点的邻居的值,由此粗略来看二者都是在聚合邻域的信息。 再具体来看一些区…

    2021/7/15 6:06:17 人评论 次浏览
  • 深入浅出图神经网络 第5章 图信号处理与图卷积神经网络 读书笔记

    前面废点话: 终于!来到了GNN最相关的内容!前面四章来说都是一些预备知识,或者说是介绍性的认识的东西,其实和GNN的关系不是特别大。但从这一章开始一上来就是GNN最核心的东西:图信号处理。这部分其实非常关键,但大部分人学的时候可能都会忽视这一点,认为自己可以直…

    2021/7/14 6:04:59 人评论 次浏览
  • 深入浅出图神经网络 第5章 图信号处理与图卷积神经网络 读书笔记

    前面废点话: 终于!来到了GNN最相关的内容!前面四章来说都是一些预备知识,或者说是介绍性的认识的东西,其实和GNN的关系不是特别大。但从这一章开始一上来就是GNN最核心的东西:图信号处理。这部分其实非常关键,但大部分人学的时候可能都会忽视这一点,认为自己可以直…

    2021/7/14 6:04:59 人评论 次浏览
  • LOAM: Lidar Odometry and Mapping in Real-time 论文阅读

    LOAM: Lidar Odometry and Mapping in Real-time 文章摘要一、简介二、相关工作三、符号和任务描述四、系统概述五、激光里程计5.1 特征提取5.2 特征匹配5.3 运动估计5.4 激光里程计算法 六、建图七、实验本文主要是对loam论文的一些学习总结,如有不对之处,希望大家提出…

    2021/6/14 18:22:42 人评论 次浏览
  • 论文笔记系列-Simple And Efficient Architecture Search For Neural Networks

    摘要 本文提出了一种新方法,可以基于简单的爬山过程自动搜索性能良好的CNN架构,该算法运算符应用网络态射,然后通过余弦退火进行短期优化运行。 令人惊讶的是,这种简单的方法产生了有竞争力的结果,尽管只需要与训练单个网络相同数量级的资源。例如使用该算法,在单个…

    2021/6/7 10:25:13 人评论 次浏览
扫一扫关注最新编程教程