流形，也就是 Manifold 。不知道你有没有为我在本文开头放上的那个地球的图片感到困惑？这是因为球面是一个很典型的流形的例子，而地球就是一个很典型的“球面”啦（姑且当作球面好啦）。
有时候经常会在 paper 里看到“嵌入在高维空间中的低维流形”，不过高维的数据对于我们这些可怜的低维生物来说总是很难以想像，所以最直观的例子通常都会是嵌入在三维空间中的二维或者一维流行。比如说一块布，可以把它看
流形（manifold）的概念最早是在1854年由 Riemann 提出的(德文Mannigfaltigkeit)，现代使用的流形定义则是由 Hermann Weyl 在1913年给出的。江泽涵先生对这个名词的翻译出自文天祥《正气歌》“天地有正气，杂然赋流形”，日本人则将之译为“多样体”，二者孰雅孰鄙，高下立判。流形（Manifold），一般可以认为是局部具有欧氏空间性质的空间。而实际上欧氏空间就
转载
2024-03-21 14:58:14
78阅读
感觉有时候搞科研就像顺藤摸瓜一样，学着学着，就又看到了另一快开阔的天地。从本科时学基础数学，到硕士时跟着老板学计算机；从开始学二维数字图像，到后来学三维图形；做测地线时感觉到对于曲面的理论了解太匮乏，就开始重新看微分几何；就看到了流形的概念，接着前几天看了流形学习的几篇文章。 流形，感觉就是为了扩展线形的欧式空间，对于非线性
目录流形向量场分布参考资料拓展资料进入研究室之后做的第一次学习汇报内容，一共分三则叙述，加油打工人！流形 先说定义。据 Wikipedia - 流形 , 流形被定义为 “可以局部欧几里得空间化的一种拓扑空间，是欧几里得空间中的曲线、曲面等概念的推广”。 对于欧几里得空间，一般认为标准欧几里得空间是四维及以上的空间，而我们接触得最多的其实是二维和三维的欧几里得空间，也就是我们常见的以平面直角坐标
译自书 《Optimization Algorithms on Matrix Manifolds》在矩阵流形上优化一个实值函数，是科研和工程中广泛存在的问题。在这一章节中，我们将会讨论几个相关的例子，以此体现研究流形优化的动机和意义。在第一部分，我们聚焦于特征值问题。 这个问题将作为一个典型的例子贯穿全书。这显然是一个非常重要的问题，已经，且仍会被广泛地研究。 作为一个优化问题，它自然地属于本书提
转载
2024-06-28 14:18:27
141阅读
流行学习(manifold learning)是一类借鉴了拓扑流行概念的降维方法。“流形”是在局部与欧式空间同胚的空间，换言之，它在局部具有欧式空间的性质，能用欧式距离来进行距离计算，这给降维方法带来了很大的启发：若低维流行嵌入到高维空间中，则数据样本在高维空间的分布虽然看上去非常复杂，但在局部上仍具有欧式空间的性质，因此，可以容易地在局部建立降维映射的关系，然后再设法将局部映射关系推广到全局，当...
原创
2021-08-13 09:51:58
218阅读
流形对齐（Manifold Alignment）是一种在流形学习领域的典型方法，主要用于处理来自不同分布或不同数据源的数流形对齐。
原创
2024-07-27 12:01:25
146阅读
# 流形上的微积分Python仿真
## 引言
微积分是数学的一项基本工具，它为我们理解与描述变化提供了框架。今年，随着人工智能和机器学习的快速发展，流形（manifolds）作为一种高级数学结构，越来越多地应用于数据科学、计算机视觉、自然语言处理等领域。本文将介绍流形上的微积分以及如何通过Python进行仿真，帮助我们更好地理解这一概念。
## 流形基础
流形是一种局部类似于欧几里得空间
## 流形正则化在机器学习中的应用
在机器学习领域，流形正则化是一种用于处理高维数据的方法，它可以帮助我们更好地理解数据的结构并提高模型的泛化能力。流形正则化的基本思想是利用数据的局部结构来学习全局结构，从而避免过拟合和提高模型性能。
### 什么是流形正则化？
流形正则化是一种基于流形学习理论的降维方法，其核心思想是将高维数据映射到低维流形空间中，保留数据的局部结构信息。在高维空间中，数据
原创
2024-05-16 07:25:33
149阅读
流形学习(manifoldlearning)zzfromprfans...............................dodo：流形学习(manifoldlearning)dodo流形学习是个很广泛的概念。这里我主要谈的是自从2000年以后形成的流形学习概念和其主要代表方法。自从2000年以后，流形学习被认为属于非线性降维的一个分支。众所周知，引导这一领域迅速发展的是2000年Scie
转载
2018-08-04 16:31:33
840阅读
1评论
欧几里得几何学(Euclidean Geometry)两千三百年前，古希腊数学家欧几里得著成了《几何原本》，构建了被后世称为“欧几里得几何学”的研究图形的方法。欧几里得创立了当时颇为独特的公理系统，即首先提出一些显然的、不言自明的公理。比如，他提出了“三角形的内角和一定等于一百八十度”的定理，他的许多几何计算也是基于此，并且看起来颇为正确。但是后来的数学家对此产生了质疑，认为这个定理是缘于经验而并
转载
2024-05-21 19:11:10
173阅读
流形学习是机器学习研究员阅读文献绕不开的一个话题。
流形学习（Manifold Learning）是机器学习、模式识别中的一种方法，Manifold = Many fold，很多曲面片的叠加，在维数约简方面具有广泛的应用。主要思想是将高维的数据映射到低维，使该低维的数据能够反映原高维数据的某些本质结构特征。流形学习的前提基于一种假设，即某些高维数据，实际是一种低维的流形结构嵌入在高维空间
转载
2016-10-20 12:10:00
108阅读
流形学习是机器学习研究员阅读文献绕不开的一个话题。
流形学习（Manifold Learning）是机器学习、模式识别中的一种方法，Manifold = Many fold，很多曲面片的叠加，在维数约简方面具有广泛的应用。主要思想是将高维的数据映射到低维，使该低维的数据能够反映原高维数据的某些本质结构特征。流形学习的前提基于一种假设，即某些高维数据，实际是一种低维的流形结构嵌入在高维空间
转载
2016-10-20 12:10:00
78阅读
2评论
流形维基百科，自由的百科全书 跳到导航跳到搜索此条目已经列出参考文献，但是文内引注不足，部分内容的来源仍然不明。(2014年1月31日)请加上合适的文内引注来改善这篇条目。此条目需要补充更多来源。(2013年6月24日)请协助补充多方面可靠来源以改善这篇条目，无法查证的内容可能会因为异议提出而移除。致使用者：请搜索一下条目的标题（来源搜索："流形" —&
转载
2023-08-04 17:19:05
91阅读
# Python处理字节流形式的视频
随着数字化技术的发展，视频处理成为了人们日常生活中不可或缺的一部分。而在Python中，我们可以利用一些库来处理字节流形式的视频，进行视频的读取、处理和保存。本文将介绍如何使用Python处理字节流形式的视频，并附上相应的代码示例。
## 视频处理库介绍
在Python中，有一些常用的视频处理库可以帮助我们处理字节流形式的视频。其中，最为常用的是Open
原创
2024-05-04 05:45:52
159阅读
之前学习了线性回归，逻辑回归和梯度下降法，今天学习的这个技术能够帮助我们训练的模型对未知的数据进行更好的预测 - 正则化技术！快来一起学习学习，学习使我快乐 (^▽^)！一、正则化是什么？正则化（Regulariation）这 3 个字听起来挺高大上的，其实就是一种解决机器学习过拟合问题的技术，使用这项技术可以让我们在训练集上训练的模型对未知的数据也能很好地拟合。机器学习模型对未知数据的拟合能力又
转载
2023-11-19 13:15:35
254阅读
高维数据集通常难以可视化。虽然,可以通过绘制两维或三维的数据来显示高维数据的固有结构，但与之等效的高维图不太直观。为了促能会丢失。...
原创
2022-11-02 09:48:46
88阅读
1.使用微博开发的一个“发送带图片微博”的接口来测试，这是接口地址，这里面明确说明需要使用multipart/form-data格式提交图片。关于使用微博开放平台api、授权之类的就不说了。2.multipart/from-data是一种进行表单提交时的消息格式。表单提交数据的时候，默认类型是application/x-www-form-urlencoded，也就是key=value的键值对格式，
高速信号回流环路实际分析具体的原理分析见如下文章：《高速电路回流路径分析》1、实际走线分析： 上面的走线橘色为信号走线，周围绿色（波浪标注）为周围包地，下方为第二层完整地平面。 从上图来看设计师的本意是好的，有参考地平面，周围也有包地，此时设计正确的话可以保证回流路径阻抗最小，因为可以从两边包地回流和地平面回流，此时可以效果最好。 但是，上面出现的问题就是包地并未通过地孔和地平面连接起来。具体如下
转载
2024-08-30 15:57:23
32阅读
坐标轴标题设置各位同学好，我又来了，本文给大家带来的是有关 Matplotlib 的一些基础操作。在前一篇文章中，我们介绍了如何使用 Matplotlib 绘制坐标系，本文我们接着介绍 Matplotlib 。先看一个简单的示例：import matplotlib.pyplot as plt
x_data = ['2011','2012','2013','2014','2015','20
转载
2024-10-17 08:24:51
73阅读
