Article

post_img

最大似然估计与最大后验估计

AI 摘要
本文介绍最大似然估计(MLE)和最大后验估计(MAP)两种参数估计方法。MLE通过最大化数据似然函数求最优参数,基于频率学派思想;MAP则在MLE基础上引入参数先验分布,属于贝叶斯学派方法。通过对比两者数学表达式,揭示了
post_img

生成函数

AI 摘要
引言:生成函数是解决序列问题的强力工具,将序列操作转化为函数操作。通过定义序列的普通生成函数(OGF)并利用其线性、卷积、前缀和等特性,可将复杂问题简化。重点介绍了生成函数的封闭形式和利用部分分式求解通项的方法,并以斐波
post_img

线性代数(一):向量及向量空间

AI 摘要
本文系统介绍了线性代数中的基本概念:从标量引出向量定义,重点阐述了向量空间及其子空间的结构特性。通过分析向量加法、标量乘法的运算规律,揭示了欧几里得空间与一般向量空间的本质特征,并探讨了子空间的封闭性与运算性质。
post_img

KMP

AI 摘要
KMP算法通过前缀函数优化字符串匹配,在O(N+M)时间内实现高效查找。核心在于利用已匹配子串信息跳过不必要比较,其前缀函数计算模式串自身部分匹配关系。匹配时失败则跳转至前缀函数指示位置继续匹配,避免回溯重试。算法包含预
post_img

PID控制算法

AI 摘要
引言:PID(比例-积分-微分)控制通过对误差的三个维度调节实现精准控制:比例项快速响应误差,积分项消除稳态偏差,微分项抑制过冲。算法采用三量加权求和的形式调节系统输入,但在实际应用中需注意积分饱和问题并通过抗饱和算法优
post_img

概率论(四):随机变量及其分布函数

AI 摘要
本文系统介绍了概率论中的随机变量及其分布函数。首先定义了离散型和连续型随机变量,然后详细阐述了概率密度函数(PDF)和累计分布函数(CDF)的概念与性质。对于离散型随机变量,解释了分布律的计算方法;对于连续型随机变量,则
post_img

基本组合原理

AI 摘要
本文系统介绍排列组合的基本原理。从排列数与组合数的定义出发,阐述阶乘运算及其应用,推导两者的计算公式与相互关系。重点讲解组合恒等式、捆绑法与插板法等实用技巧,并通过对二项式定理的证明展现组合数在多项式展开中的核心作用。
post_img

概率论(三):条件概率,独立性和贝叶斯定理

AI 摘要
本文系统讲解条件概率、独立性和贝叶斯定理三大核心概念。从条件概率的定义与公式出发,深入探讨事件独立性的数学表达;通过全概率法则阐述事件分解思想,并重点解析贝叶斯定理的推导过程及其在实际问题中的应用,包括先验概率与后验概率
post_img

概率论(二):Sigma代数与概率论公理

AI 摘要
本文介绍了概率论的基本概念:样本空间、事件和概率函数,阐述了柯尔莫果洛夫提出的概率论公理,并定义了σ代数作为事件集合的数学基础。通过集合运算推导出概率的基本定理,如容斥原理和集合包含关系的概率性质,为构建严谨的概率理论框
post_img

概率论(一):集合论

AI 摘要
本文系统性地回顾了集合论基础知识,明确了集合运算的符号表示和定义,包括并集、交集、补集等概念。深入探讨了集合的可数性及其证明方法,特别论证了实数集不可数性的精妙证明。同时在拓扑空间视角下,阐述了邻域、极限点、闭集、开集等