经验笔记

信号与系统——时间卷积定理

卷积两个信号的卷积 更多>

硬件如何支持处理器中的中断处理?

中断通常称为信号,当特定事件或过程需要立即关注时,由软件或硬件生成。因此,该信号通知处理器有关导致当前工作进程中断的高优先级和紧急信息需求。因此,无论何时发生中断,处理器都会完成当前指令的执行并开始执行称为中断处理的中断。此外,对于每个发生… 更多>

三角傅立叶级数系数​​的表达式

频率 $0,\omega_{0},2\omega_{0},3\omega_{0},....k\omega_{0}$的正弦和余弦项的无穷级数被称为三角傅立叶级数和可以写成,$$\mathrm{ x(t)=a_{0}+\sum_{n=1}^{\… 更多>

周期信号的傅里叶级数表示

什么是傅立叶级数?在工程领域,大多数现象本质上都是周期性的,例如交流电和电压。这些周期函数可以通过称为傅立叶级数的过程分解为它们的组成部分来分析。因此,傅立叶级数可以定义为 -“用正交函数(即正弦和余弦函数)的线性组合来表示一定时间间隔内的… 更多>

连续时间傅立叶级数中的帕塞瓦尔定理

傅立叶级数如果 $$x(t)是周期为 $T$的周期函数,则该函数的连续时间指数傅立叶级数定义为,$$\mathrm{ x(t)=\sum_{n=−\infty}^{\infty}C_{n}\:e^{jn\omega_{0} t}... (1… 更多>

傅里叶变换——存在的表示和条件

傅里叶变换傅里叶变换被定义为一种变换技术,它将信号从连续时域变换到相应的频域,反之亦然。换言之,傅立叶变换是一种数学技术,可将时间函数x(t)$$转换为频率 X(ω) 的函数,反之亦然。对于连续时间函数 $$,x(t)$$的傅立叶变换x(t)… 更多>

如何检查对象是否是 PyTorch 张量?

要检查对象是否为张量,我们可以使用该方法。如果输入是张量,则返回True;否则为假。 torch.is_tensor()语法torch.is_tensor(input)参数input – 要检查的对象,如果它是张量或不是。输出结果如果输入是… 更多>

连续时间傅立叶级数的时移、时间反转和时间标度特性

傅立叶级数如果 $$x(t)是周期为 $T$的周期函数,则该函数的连续时间指数傅立叶级数定义为,$$\mathrm{ x(t)=\sum_{n=−\infty}^{\infty}C_{n}e^{jn\omega_{0} t}... (1)}… 更多>

PyTorch 中的“with torch no_grad”有什么作用?

“with ”torch.no_grad()的使用就像一个循环,其中循环内的每个张量都将requires_grad设置为False。这意味着当前与当前计算图相连的任何具有梯度的张量现在都与当前图分离。我们不再能够计算关于这个张量的梯度。张量… 更多>

傅里叶变换的时间微分性质

傅里叶变换连续时间函数 $$的傅立叶变换x(t)可以定义为,$$\mathrm{X(\omega)=\int_{−\infty}^{\infty} x(t)e^{-j\omega t}dt}$$和傅立叶变换的逆被定义为,$$\mathrm{… 更多>

连续时间傅立叶级数的时间微分和积分性质

傅立叶级数如果 $$x(t)是周期为 $T$的周期函数,则该函数的连续时间指数傅立叶级数定义为,$$\mathrm{ x(t)=\sum_{n=−\infty}^{\infty}C_{n}\:e^{jn\omega_{0} t}... (1… 更多>

在 PyTorch 中向后()做什么?

该方法用于计算神经网络中反向传播期间的梯度。 backward()执行此方法时会计算梯度。这些梯度存储在各自的变量中。梯度是根据这些变量计算的,梯度是使用.grad访问的。如果我们不调用backward()计算梯度的方法,则不会计算梯度。而… 更多>

PyTorch – 如何检查张量是否连续?

连续张量是一种张量,其元素以连续的顺序存储,它们之间不留任何空白。最初创建的张量始终是连续的张量。可以以连续的方式查看具有不同维度的张量。张量的转置创建遵循非连续顺序的原始张量的视图。张量的转置是不连续的。语法Tensor.is_conti… 更多>

从傅里叶级数推导出傅里叶变换

傅立叶级数考虑一个周期信号 更多>

如何在 PyTorch 中找到张量的转置?

要转置张量,我们需要转置两个维度。如果张量是 0-D 或 1-D 张量,则张量的转置与原样相同。对于二维张量,使用两个维度 0 和 1 作为transpose(input, 0, 1)计算转置。语法要找到标量、向量或矩阵的转置,我们可以应用… 更多>

傅里叶变换的卷积性质——陈述、证明和例子

傅里叶变换连续时间函数的傅里叶变换 更多>

如何将 Torch Tensor 从 CPU 移动到 GPU,反之亦然?

在 CPU 上定义的火炬张量可以移动到 GPU,反之亦然。对于高维张量计算,GPU 利用并行计算的能力来减少计算时间。像图像这样的高维张量是高度计算密集型的,如果在 CPU 上运行会花费太多时间。因此,我们需要将此类张量移至 GPU。语法要… 更多>

连续时间傅立叶级数的卷积性质

傅立叶级数如果 更多>

如何在 PyTorch 中获得矩阵的秩?

矩阵的秩可以使用Torchlinalg.matrix_rank()获得。. 它以一个矩阵或一批矩阵作为输入,并返回一个具有value(s)矩阵秩的张量。torch.linalg模块为我们提供了许多线性代数运算。语法torch.linalg.… 更多>

如何在 PyTorch 中标准化张量?

PyTorch 中的张量可以使用torch.nn.functional模块中normalize()提供的函数进行归一化。这是一个非线性激活函数。它在指定维度上对给定张量执行Lp 归一化。它返回原始张量元素的归一化值的张量。一维张量可以在 0… 更多>

PyTorch – 如何获得张量元素的指数?

要找到输入张量元素的指数,我们可以应用或。这里,输入是计算指数的输入张量。这两种方法都返回一个新的张量,其中包含输入张量元素的指数值。Tensor.exp()torch.exp(input)语法Tensor.exp()或者torch.exp… 更多>

PyTorch – torch.log2() 方法

我们使用 torch.log2() 方法计算张量元素以 2 为底的对数。它返回一个新的张量,其中包含原始输入张量元素的对数值。它以张量作为输入参数并输出张量。语法torch.log2(input)其中输入是 PyTorch 张量。它返回一个… 更多>

Tensor.detach() 在 PyTorch 中做什么?

Tensor.detach()用于从当前计算图中分离张量。它返回一个不需要梯度的新张量。当我们不需要为梯度计算跟踪张量时,我们将张量从当前计算图中分离。当我们需要将张量从 GPU 移动到 CPU 时,我们还需要分离张量。语法Tensor.d… 更多>

如何在 PyTorch 中计算梯度?

要计算梯度,张量必须具有它的参数requires_grad = true。梯度与偏导数相同。例如,在函数y = 2*x + 1 中,x是一个具有requires_grad = True的张量。我们可以使用函数计算梯度,并且可以使用x.gra… 更多>

PyTorch – 如何计算张量的逐元素逻辑异或?

torch.logical_xor()计算给定的两个输入张量的逐元素逻辑异或。在张量中,具有零值的元素被视为 False,非零元素被视为 True。它以两个张量作为输入参数,并在计算逻辑异或后返回一个带有值的张量。语法torch.logic… 更多>

如何缩小 PyTorch 中的张量?

torch.narrow()方法用于对 PyTorch 张量执行窄操作。它返回一个新的张量,它是原始输入张量的缩小版本。例如,[4, 3] 的张量可以缩小为 [2, 3] 或 [4, 2] 大小的张量。我们可以一次缩小一个维度上的张量。在这… 更多>

如何在 PyTorch 中执行置换操作?

torch.permute()方法用于对 PyTorch 张量执行置换操作。它返回维度排列后的输入张量的视图。它不会复制原始张量。例如,维度为 [2, 3] 的张量可以置换为 [3, 2]。我们还可以使用 置换具有新维度的张量。Tensor… 更多>

如何在 PyTorch 中执行展开操作?

Tensor.expand()属性用于执行展开操作。它沿着单例维度将张量扩展到新维度。扩展张量只会创建原始张量的新视图;它不会复制原始张量。如果您将特定维度设置为 -1,则张量将不会沿此维度展开。例如,如果我们有一个大小为 (3,1) 的张… 更多>

如何在 PyTorch 中创建具有梯度的张量?

为了创建具有梯度的张量,我们在创建张量时使用了一个额外的参数“requires_grad = True”。requires_grad是控制张量是否需要梯度的标志。只有浮点和复数 dtype 张量可以需要梯度。如果requires_grad为… 更多>

如何在 PyTorch 中找到逐元素余数?

使用该方法计算张量除以其他张量时的元素余数。我们也可以申请求余数。torch.remainder()torch.fmod()这两种方法的区别在于,在 中,当结果的符号与除数的符号不同时,则将除数加到结果中;而在 中,则没有添加。torch.… 更多>

PyTorch – 如何计算矩阵的奇异值分解 (SVD)?

火炬。linalg.svd()计算矩阵或一批矩阵的奇异值分解 (SVD)。奇异值分解表示为命名元组(U, S, Vh)。U和Vh对于实矩阵是正交的,对于输入复矩阵是酉矩阵。当V是实数值时Vh是V 的转置,当V是复数时是共轭转置。即使输入是复… 更多>

如何在 PyTorch 中执行就地操作?

就地操作直接更改张量的内容,而无需复制它。由于它不创建输入的副本,因此在处理高维数据时减少了内存使用。就地操作有助于使用更少的 GPU 内存。在PyTorch,就地操作总是后固定带“_”,如add_(),mul_()等脚步要执行就地操作,可… 更多>

信号与系统 - 傅里叶变换的共轭和自相关特性

傅里叶变换对于连续时间函数x(t), 的傅立叶变换x(t)可以定义为,$$\mathrm{X(\omega)=\int_{-\infty}^{\infty} x(t)e^{-j\omega t}dt}$$傅里叶变换的共轭性质语句- 傅立叶变… 更多>

信号与系统 - 复指数傅立叶级数

指数傅里叶级数周期信号以正交函数的线性组合在一定时间间隔内表示。如果这些正交函数是指数函数,则该函数的傅立叶级数表示称为指数傅立叶级数。指数傅里叶级数是傅里叶级数中使用最广泛的形式。在此表示中,周期函数x(t)表示为复指数函数的加权和。复指… 更多>

使用傅立叶级数计算周期函数的平均功率

当V伏的电压施加在R Ω 电阻上时,电流I流过它。电阻中耗散的功率由下式给出,$$\mathrm{P=I^2R=\frac{V^2}{R}\:\:\:\:\:\:....(1)}$$但是当电压和电流信号不恒定时,则功率每时每刻都在变化,瞬时功… 更多>

信号与系统——傅立叶变换的对偶性

傅里叶变换对于连续时间函数x(t), 的傅立叶变换x(t)可以定义为$$\mathrm{X(\omega)= \int_{-\infty}^{\infty} x(t)e^{-j\omega t}dt}$$连续时间傅里叶变换的对偶性语句——如… 更多>

信号与系统 - 连续时间傅立叶级数的特性

周期信号的傅立叶级数表示具有各种重要的特性,在将信号从一种形式转换为另一种形式的过程中,这些特性可用于各种目的。考虑两个周期信号 更多>

信号与系统——傅立叶变换对表

傅里叶变换傅里叶变换是一种将信号从连续时域变换到相应频域,反之亦然的变换技术。连续时间函数 $$的傅立叶变换x(t)定义为,$$\mathrm{X(\omega)=\int_{-\infty}^{\infty} x(t)e^{-j\omeg… 更多>

三角函数和指数傅里叶级数之间的关系

三角傅立叶级数周期函数可以用正交函数的线性组合在一定的时间间隔内表示。如果这些正交函数是三角函数,则称为三角傅立叶级数。在数学上,周期信号的标准三角傅立叶级数展开式为,$$\mathrm{ x(t)=a_{0}+ \sum_{n=1}^{\… 更多>

连续时间傅里叶变换 (CTFT) 的特性

傅里叶变换连续时间函数 $$的傅立叶变换x(t)定义为,$$\mathrm{X(\omega)=\int_{−\infty}^{\infty} x(t)e^{-j\omega t}dt}$$逆傅里叶变换连续时间函数的逆傅里叶变换定义为,$$… 更多>

连续时间傅立叶级数的乘法或调制特性

傅立叶级数如果 $$x(t)是周期为 $T$的周期函数,则该函数的连续时间指数傅立叶级数定义为,$$\mathrm{ x(t)=\sum_{n=−\infty}^{\infty}C_{n}\:e^{jn\omega_{0} t}\:\:..… 更多>

财务困境是什么意思?

财务困境是公司无法履行其义务的情况。事实上,公司为了运营和增长而从投资者那里借债。当公司业绩不佳时,它可能无法偿还从贷方借来的贷款和资金。这被称为公司的财务困境。财务困境伴随着许多成本。这些可能包括与员工、经理、客户、供应商和股东相关的成本… 更多>

风险调整后的贴现率与。确定性等效方法

为了更好地理解风险调整方法和确定性等效方法这两个概念,让我们了解它们的含义以及它们对投资者有何用处。什么是风险调整贴现率风险调整法结合预期风险溢价和无风险利率来计算投资的现值。风险投资包括房地产投资和其他高风险项目。虽然市场利率被视为贴现率… 更多>

什么是敏感性分析?

敏感性分析敏感性分析是一种金融工具,用于分析在某些给定条件下一组自变量对特定因变量的影响。它用于广泛的应用,例如生物学和金融以及经济学。敏感性分析通过完全使用假设查询来研究导致预测不确定性的众多不确定性来源。它在依赖一个或多个输入的有限边界… 更多>

通货膨胀——定义、原因、影响、计算

通货膨胀是食物、衣服、燃料、运输等日常用品价格的上涨。通货膨胀增加了生活成本。也可以认为是服务和商品的平均价格定期发生的变化。它表示随着服务和产品变得更加昂贵,一单位货币的购买力价值下降。一般来说,通货膨胀是商品或服务的需求和供应之间的差异… 更多>

主观概率与。客观概率

概率是事件发生的可能性。不可能以 100% 的确定性猜测某些事件是否会发生,因此概率论的使用很重要。它告诉我们事件发生的确定性,以及它将如何发生以及为什么发生。概率是金融学中的一个重要理论,因为金融学中的大多数计算都发生在未来,因此必须考虑… 更多>

终值——定义和计算

什么是终端价值?终值或期限值是预测未来现金流的重要指标。一般而言,终值代表未来现金流量的现值,以增长率为一般永续率。终端价值有很多用途,但终端价值最突出的用途是计算贴现现金流量 (DCF)。因此,对于需要进行 DCF 计算的任何人来说,最终… 更多>

资本预算过程的五个阶段

资本预算是企业实现增长和盈利所需的最重要流程之一。因此,必须对资本预算过程进行仔细的洞察和检查,以充分利用该过程。资本预算大致可分为以下五个步骤。识别投资机会资本预算流程的第一步是确定投资选项。考虑资本预算的企业必须在这一步找到投资的原因。… 更多>

名义回报率和实际回报率之间的差异

利率是投资过程中非常重要的一部分,投资者通常根据利率进行投资。不考虑利率就不可能考虑投资。投资者关注的利率主要有两种类型。这些是 -名义利率实际利率让我们考虑每种利率的定义,然后找出两者之间的差异。名义利率名义利率是投资者在不考虑通货膨胀率… 更多>

什么是顺序投资决策?

该回收期法,确定性等方法,和情景分析帮助投资者寻找投资分析一个简单的解决方案。但是,对于企业而言,重要的是他们要根据市场情况不断做出决定。也就是说,认为只有一次分析就足够了,决策过程就结束了,这是错误的。事实上,一个决定会导致一系列其他决定… 更多>