目录 EMD算法的不足 EEMD算法的基本原理 EEMD和EMD性能对比 python实现EEMD案例 本教程为脑机学习者Rose原创(转载请联系作者授权)发表于公众号：脑机接口社区(微信号：Brain_Computer).QQ交流群：903290195EMD算法的不足 EMD算法能将原始信号不断进行分解，获取符合一定条件下的IMF分量。这些 IMF 分量之间的频率往往不同，这就为其在谐波检测方向的使用提供了一种思路。EMD 算法以其正交性、收敛性等特点被广泛用于信号处理等领域...
AI算法是一种重要的启发式算法，主要用于选择两点之间的最佳路径，A的实现也通过评估函数实现 F=G + H G代表从这一点到起点的成本 H是从此点到终点的曼哈顿距离。 F是G和H的和，最佳路径是选择最小的F值并进行下一步（更多详细信息将在后面描述） 曼哈顿距离 Paste_Image.png 上图中从熊到树叶的曼哈顿距离是由蓝线表示的距离，其中没有考虑障碍物。如果上图中每个框的长度为1，则此时熊的曼哈顿距离为9。 ...
讲到 EM 算法就不得不提极大似然估计，我之前讲过，请参考我的博客 下面我用一张图解释极大似然估计和 EM 算法的区别 EM 算法引例1-抛3枚硬币 还是上图中抛硬币的例子，假设最后结果正面记为1，反面记为0，抛10次，结果为 1101001011； 下面我用数据公式解释下这个例子和 EM 算法； 三硬币模型可以写作θ 表示模型参数，即 三枚硬币正面的概率，用 π p q 表示； y 表示观测随机变量，取值为 0,1； z 表示隐随机变量，在本例...
1 原理 遗传算法就是在一定的自变量有限的取值范围内，随机取若干个个体，每个个体相当于自变量范围内的一个取值，若干个体共同组成一个种群，个体对环境的适应能力提现为该个体对应的因变量，不同的个体得到的结果不同，对于结果较好的个体，其下一代在种群中的占比更高，不好的占比更少，简单来说，就是好的个体被保留，坏的个体被淘汰，经过不断地更新换代，最后的结果会不断逼近最优的结果。 ref：https://blog.csdn.net/DBLL...
在上一篇文章中介绍了GCN 【Graph Neural Network】GCN: 算法原理，实现和应用 GCN是一种在图中结合拓扑结构和顶点属性信息学习顶点的embedding表示的方法。然而GCN要求在一个确定的图中去学习顶点的embedding，无法直接泛化到在训练过程没有出现过的顶点，即属于一种直推式(transductive)的学习。 本文介绍的GraphSAGE则是一种能够利用顶点的属性信息高效产生未知顶点embedding的一种归纳式(inductive)学习的框架。 其核心思想是通...
XGBoost算法是由GBDT算法演变出来的，GBDT算法在求解最优化问题的时候应用了一阶导技术，而XGBoost则使用损失函数的一阶导和二阶导，不但如此， 还可以自己定义损失函数，自己定义损失函数前提是损失函数可一阶导和二阶导。 XGBoost算法原理:(务必保证先学习决策树算法) 其实算法的原理就是在一颗决策树的基础上不断地加树，比如在n-1颗树地基础上加一棵树变成n颗树的同时算法的精确率不断提高、效果提升。 基础理解:损失函数: l(y...
00 前言 branch and cut其实还是和branch and bound脱离不了干系的。所以，在开始本节的学习之前，请大家还是要务必掌握branch and bound算法的原理。 01 应用背景 Branch and cut is a method of combinatorial optimization for solving integer linear programs (ILPs), that is, linear programming (LP) problems where some or all the unknowns are restricted to integer values. Branch and cut involves running a branc...
Java中的Collection有两类，一类是List，一类是Set。List内的元素是有序的，元素可以重复。Set元素无序，但元素不可重复。要想保证元素不重复，两个元素是否重复应该依据什么来判断呢？用Object.equals方法。但若每增加一个元素就检查一次，那么当元素很多时，后添加到集合中的元素比较的次数就非常多了。也就是说若集合中已有1000个元素，那么第1001个元素加入集合时，它就要调用1000次equals方法。这显然会大大降低效率。于是Jav...
一、机器学习的过程 机器学习的过程：从本质上来说，就是通过一堆的训练数据找到一个与理想函数（f）相接近的函数。 在理想情况下，对于任何适合使用机器学习的问题，在理论上都是会存在一个最优的函数让每个参数都有一个最合适的权重值，但在现实应用中不一定能这么准确得找到这个函数。所以，我们要去找与这个理想函数相接近的函数。只要是能够满足我们的使用的函数，我们就认为是一个好的函数。 这个训练数据的过程通常也被解释...
一文详解，K近邻算法原理。码字不易，喜欢请点赞，谢谢！！！ 一、KNN简介 K近邻(k-NearestNeighbor)算法，简称KNN。KNN是数据挖掘中十分常用的算法，其原理简单。 KNN的思想就是，选取k个最邻近的点，这k个点属于哪类个数最多，则该点就属于哪类。 比如下图，当k=3k=3k=3时，测试点属于六边形类；而当k=5k=5k=5时，测试点属于正方形类。二、KNN算法步骤计算测试数据到每个训练数据的距离(一般采用欧氏距离) 按照距离从小到大排列 ...
PID控制器开发笔记之一：PID算法原理及基本实现 在自动控制中，PID及其衍生出来的算法是应用最广的算法之一。各个做自动控制的厂家基本都有会实现这一经典算法。我们在做项目的过程中，也时常会遇到类似的需求，所以就想实现这一算法以适用于更多的应用场景。 1、PID算法基本原理 PID算法是控制行业最经典、最简单、而又最能体现反馈控制思想的算法。对于一般的研发人员来说，设计和实现PID算法是完成自动控制系统的基本要求。这一...
在两年半之前作过梯度提升树(GBDT)原理小结，但是对GBDT的算法库XGBoost没有单独拿出来分析。虽然XGBoost是GBDT的一种高效实现，但是里面也加入了很多独有的思路和方法，值得单独讲一讲。因此讨论的时候，我会重点分析和GBDT不同的地方。本文主要参考了XGBoost的论文和陈天奇的PPT。 1. 从GBDT到XGBoost作为GBDT的高效实现，XGBoost是一个上限特别高的算法，因此在算法竞赛中比较受欢迎。简单来说，对比原算法GBDT，XGBoost主要从下...
1，线性回归概念 回归和分类的区别：简单地说，回归就是通过数据预测出一个目标值（实际值），分类就是通过数据预测出一个类别（二分类，多分类）。 比如：银行贷款实例 （1）数据：每个个人（样本）的工资和年龄（两个特征） （2）目标：预测银行会贷款给个人多少钱（标签，回归）或者预测银行会不会给贷款（标签，分类） （3）建立以特征为自变量的拟合函数，确定函数参数以求出函数值（标签）可以添加一列x0（取值都为1）引入偏...
1 冒泡排序 BubbleSort 1.1 原理： 多次扫描整个数组，每次扫描都比较相邻两个元素，如果逆序，则交换两个元素。 第一次扫描结果是数值最大元素到数组的最后位置，比较的次数是n(数组长度)-1。 第二次扫描，因为最大元素已经在最后位置，所以需要比较的次数为n-2 以此类推，一共需要扫描n-1次。 1.2 算法实现： 两次for循环即可实现。第一层循环控制扫描的次数，第二层循环控制每次扫描需要比较的次数。 交换两个相邻元素利用一个...
在两年半之前作过梯度提升树(GBDT)原理小结，但是对GBDT的算法库XGBoost没有单独拿出来分析。虽然XGBoost是GBDT的一种高效实现，但是里面也加入了很多独有的思路和方法，值得单独讲一讲。因此讨论的时候，我会重点分析和GBDT不同的地方。本文主要参考了XGBoost的论文和陈天奇的PPT。 1. 从GBDT到XGBoost作为GBDT的高效实现，XGBoost是一个上限特别高的算法，因此在算法竞赛中比较受欢迎。简单来说，对比原算法GBDT，XGBoost主要从下...