将一种机器学习算法——支持向量机引入到软岩工程支护设计领域,并根据问题需要提出了一种支持向量机回归算法且编制了相应的计算程序.工程算例证明,这种算法在学习样本数量很少的情况下就可以得到很高的预测精度,且具有推广性能好的优点,避免了人工神经元由于存在过学习问题而带来的网络参数难以确定的弊病,为类似工程的支护设计提供了一种新的途径

1、分析下列代码段中三条语句间的相关关系给出相应的相关方向向量和相关距离向量

1、根据9.3.2节所讨论的矩阵向量乘法,试证明:在p个处理器的超立方上, 用SF选路方法进行矩阵-向量乘法,其并行运行时间约为 n2lp+ log+(3/2)tn(n/p)log

一、随机向量的概念 多维随机变量也就是多个随机取值的变量,也称为随机向量。定义如果随机变量X1…Xn定义在同一概率空间(,3,P)上,则称

建模方法是时间序列分析的核心问题之一。本文给出了两种基于最小二乘法的自回归模型（AR模型）的建模方法。采取预留少量数据递补进入计算的办法,使矩阵XTX可以用分块矩阵求逆公式递推求逆,或者用矩阵的Crout分解法递推求解。同时引入了Winograd向量内积快速算法,充分利用各向量和各矩阵之间的关系来减少计算工作量。使计算量比一般最小二乘建模方法大幅度减少,达到与Marple算法和Burg的最大熵谱法可比的程度

一、考核知识点: 乘幂法、逆幂法、雅可比法 二、考核要求: 1.知道乘幂法,逆幂法的基本思想;会用乘幂法求矩阵的特征值与特征向量

一、主要内容 1向量代数 2空间解析几何