matrix

1熱

1答えて

xは、すべての繰り返しの参照行列です。合計2つの行列があります。 matrix A 1 4 1 4 4 2 4 2 2 3 2 3 3 3 3 3 matrix B 1 4 1 4 4 2 4 2 2 3 2 3 3 3 3 3 matrix x 4 1 4 3 2 4 2 2 3 2 3 5 3 5 1 1 ここで、行列AとBは同じです。 C <- B %*

1熱

3答えて

numpyを使った行列の条件番号

[python 2.7とnumpy v1.11.1]行列の条件数を調べていて、関数np.linalg.cond()を使わずに行列の条件数を計算しようとしています。 numpyのドキュメントに基づいて、行列の条件番号の定義は、「xのノルムのノルムはxの逆数のノルム」となります。 || X || * || X^-1 ||行列のため a = np.matrix([[1, 1, 1], [

0熱

2答えて

2つの変数に依存する関係から値を3D行列にする方法 - キネティックエネルギー

質量と速度に関するx、y値とその2つの間のエネルギーに関連するz値を持つ3D行列を作成しようとしています。 E = 1/2×m個の*のV^2 を使用してはしかし、私はそれが3Dマトリックスを中心に展開し得るすべての投稿やヘルプページには、関連するZ値とセットと固定行と列です。私は、質量、速度がどのようにエネルギーに関連しているかを本質的に示す3d平面をグラフ化するためにPlotlyを使用しよう

-2熱

1答えて

水平2D行列変換（スケール） - JAVASCRIPT

私は以下、この例のように、2Dマトリックス： 00000000000000000000000000000000000000000000000000 00110000011000111111000110000000110000001111100000 00110000011000110000000110000000110000010000010000 001100000110001100000

1熱

2答えて

ドキュメント期の行列は、例えば、私は文書長期行列DTMを持って

をR： dtm <<DocumentTermMatrix (documents: 50, terms: 50)>> Non-/sparse entries: 220/2497 Sparsity : 100% Maximal term length: 7 Weighting : term frequency (tf) 今、私は、各文書を表

0熱

1答えて

ユーザー定義関数で式を短縮するVBA

私の最終的な目標は、VBAのユーザー定義関数を使用してこの式を短縮し、パラメータA1：A10、E1、B1、B10、F1（これは、これは単なる純粋な例である） Excelの数式異なります：ユーザー定義関数を使用して =index(A1:C10,match(1,(A1:A10=E1)*(B1:B10=F1),0),G1) を、それはこのようなものになるつもり： =pick(A1:C10, A1:A

0熱

1答えて

2つの異なる方法で行列を乗算する（時間を比較する）

2つの行列の乗算を比較します - デフォルトの方法で2番目の行列の転置後の乗算を割り当てます。私はこのようなものを書いたが、timeとtime2はおおよそ等しい。あるケースでは、最初の方法は速く、同じサイズの行列で乗算を実行し、別の方法では2番目の方法が高速です。何かが間違っていますか？コード内で何かを変更する必要がありますか？ clock_t start = clock(); int

2熱

1答えて

R 1つの変数から行列を作成する

データフレーム内の1つの変数から行列を作成したいと考えています。行列の各セルは次のように入力されます。 sum(Rin1,Rin2)/sum(Rin),...,sum(Rin1,Rin28)/sum(Rin) sum(Rin2,Rin3)/sum(Rin),...,sum(Rin2,Rin28)/sum(Rin) 私はこのスクリプトを使用するが、それは私のために動作しませんでした：任意の提案

0熱

1答えて

3d times 2d行列Tensorflow

異なるテンソルの2つのテンソルがあるとします。 <tf.Tensor 'embedding_lookup:0' shape=(?, 128) dtype=float32> <tf.Tensor 'Neg:0' shape=(?, 15, 128) dtype=float32> 私は形(?, 15, 1)か(?, 15)と、最終的なテンソルを得るようなこれら二つのテンソルの行列の乗算をしたいで