Het product C van twee matrices A en B wordt gedefinieerd als
c_(ik)=a_(ij)b_(jk)
In deze vergelijking wordt j toegevoegd voor elke denkbare schatting van i en k en de bovenstaande documentatie maakt gebruik van de Einstein-sommatie, waarmee een matrix-vermenigvuldigingscalculator effectief wordt aangetoond. De afgeleide sommatie over rehashed records zonder de nabijheid van een eenduidig totaalteken wordt Einstein-sommatie genoemd en wordt over het algemeen gebruikt in zowel netwerk- als tensoronderzoek. Volgens de regels van de matrixvermenigvuldiging moeten de componenten van de roosters voldoen aan
om gekarakteriseerd te worden.
waarbij een matrix met rijen en kolommen wordt aangegeven. Schrijf het product expliciet uit,
Waarbij
Matrixvermenigvuldiging is associatief, zoals te zien is aan
waar de Einstein-sommatie weer wordt gebruikt. Nu, aangezien , en zijn scalars, de associativiteit van scalaire vermenigvuldiging te schrijven
Aangezien dit voor iedereen geldt en het waar moet zijn dat
zonder dubbelzinnigheid. Vanwege de associativiteit, structureren de kaders een semigroep onder overlapping.
Dat wil zeggen dat matrixvermenigvuldiging associatief is. Vergelijking (13) kan daarom worden geschreven
zonder dubbelzinnigheid. Door associativiteit vormen matrices een semigroep onder vermenigvuldiging.
Matrixverhoging is ook verdelend. Bij de buitenkans dat An en B m×n-netwerken zijn en C en D n×p-netwerken, is op dat moment
Aangezien n×n roosters een Abeliaans bosje in expansie opbouwen, structureren n×n kaders een ring.
Hoe dan ook, rastervergroting is over het algemeen niet commutatief (ondanks het feit dat het commutatief is als A en B van hoek tot hoek zijn en van een vergelijkbare afmeting zijn).
Het resultaat van twee vierkante roosters wordt gegeven door het verhogen van elk vierkant
You may also like
Vals negatief
Bij het begrijpen van de hypothese kunnen twee fouten nogal verwarrend zijn. Deze twee fouten zijn vals-negatief en vals-positief. Je kunt vals-negatieve fouten ook type II-fouten noemen en vals-positieve fouten type I-fouten. Terwijl u leert, denkt u misschien dat deze fouten geen nut hebben en alleen maar uw tijd zullen verspillen bij het leren van […]
Box Plot Bespreking
Met een box plot of box and whisker plot kunt u de databankverdeling weergeven op een overzicht met vijf getallen. Het eerste kwartiel Q1 is het minimum, het derde kwartiel Q3 is de mediaan, en het vijfde kwartiel Q5 is het maximum. U kunt de uitschieters en hun waarden vinden met behulp van een boxplot. […]
Bayesiaanse netwerken
Het maken van een probabilistisch model kan een uitdaging zijn, maar blijkt nuttig bij machinaal leren. Om zo’n grafisch model te maken, moet je de probabilistische relaties tussen variabelen vinden. Stel dat u een grafische voorstelling van de variabelen maakt. U moet de variabelen voorstellen als knooppunten en voorwaardelijke onafhankelijkheid als de afwezigheid van randen. […]
