新页面

2024年8月14日 (三) 23:37 ‎范德蒙德行列式（历史 | 编辑） ‎[2,319字节] ‎Gezhikaiwu（讨论 | 贡献）（创建“范德蒙德行列式”）
2024年8月14日 (三) 23:22 ‎行列式（历史 | 编辑） ‎[4,152字节] ‎Gezhikaiwu（讨论 | 贡献）（创建页面，内容为“行列式是线性代数中一个非常重要的概念，主要与方阵（即行数与列数相同的矩阵）相关联。行列式不仅在理论上有深远的影响，还在解线性方程组、特征值问题和许多数学、物理问题中起着关键作用。 ==行列式的定义和符号表示== 设<math>F</math>是一个域或带有单位元的交换环（例如实数域 <math> \mathbb{R} </math> 或复数域 <math> \mathbb{C} </math>），考虑一…”）标签：可视化编辑：已切换
2024年8月14日 (三) 23:04 ‎线性代数（历史 | 编辑） ‎[2,462字节] ‎Gezhikaiwu（讨论 | 贡献）（添加线性代数页面）
2024年8月14日 (三) 23:00 ‎代数学（历史 | 编辑） ‎[3,086字节] ‎Gezhikaiwu（讨论 | 贡献）（添加代数学词条）
2023年11月11日 (六) 02:07 ‎余弦定理（历史 | 编辑） ‎[2,873字节] ‎Gezhikaiwu（讨论 | 贡献）（创建页面，内容为“=余弦定理（Cosine Theorem）= 余弦定理是一个在几何中非常重要的定理，主要用于计算任意三角形的边长和角度。它是勾股定理的一种推广形式，适用于所有类型的三角形，包括钝角三角形和锐角三角形。 ==定义== 余弦定理表明，在任意三角形中，一个角的余弦值可以通过其他两边的长度和夹角所对的边的长度来计算。具体来说，如果一个三角形的边长…”）标签：可视化编辑：已切换
2023年11月11日 (六) 01:53 ‎海伦公式（历史 | 编辑） ‎[2,255字节] ‎Gezhikaiwu（讨论 | 贡献）（创建页面，内容为“== 海伦公式 (Heron's formula) == 海伦公式，以古希腊数学家海伦（Heron of Alexandria）的名字命名，是用于计算任意三角形面积的公式。该公式适用于已知三角形三边长度的情况。 === 定义 === 设三角形的三边长分别为 <math>a</math>、<math>b</math> 和 <math>c</math>，其半周长记为 <math>s</math>，则海伦公式可以表示为： <math>s = \frac{a + b + c}{2}</math> 三角形的面积 <math…”）
2023年11月10日 (五) 10:26 ‎Dijkstra算法（历史 | 编辑） ‎[3,394字节] ‎Gezhikaiwu（讨论 | 贡献）（创建页面，内容为“= Dijkstra算法（Dijkstra's Algorithm） = Dijkstra算法是计算图中最短路径的算法之一，由荷兰计算机科学家艾兹赫尔·戴克斯特拉（Edsger W. Dijkstra）在1956年提出，并于1959年发表。这个算法可以找到一个节点到图中其他所有节点的最短路径，特别适用于不包含负权边的有向图和无向图。 == 定义 == Dijkstra算法的目的是从图中的单个源点出发，计算到达所有其他…”）
2023年11月10日 (五) 10:13 ‎贝叶斯定理（历史 | 编辑） ‎[2,074字节] ‎Gezhikaiwu（讨论 | 贡献）（创建页面，内容为“= 贝叶斯定理（Bayesian Theorem） = 贝叶斯定理是概率论中的一个定理，它描述了随机事件A和B的条件概率和边缘概率之间的关系。这个定理是以托马斯·贝叶斯（Thomas Bayes）的名字命名的，他首次提出了这种概率关系的一个特殊案例。贝叶斯定理是现代概率论的基石之一，广泛应用于统计推断、决策理论、信号处理等领域。 == 定义 == 贝叶斯定理可以表…”）
2023年11月9日 (四) 15:29 ‎柯西不等式（历史 | 编辑） ‎[1,659字节] ‎Gezhikaiwu（讨论 | 贡献）（创建页面，内容为“= 柯西不等式 = 柯西不等式（Cauchy-Schwarz不等式）是数学中的一个重要不等式，在线性代数、数学分析等多个领域中有广泛应用。它说明了在实或复数向量空间中，两个向量的点积的绝对值不大于这两个向量的模的乘积。 == 定义 == 对于任意实数序列<math>a_1, a_2, \ldots, a_n</math>和<math>b_1, b_2, \ldots, b_n</math>，柯西不等式可以表示为： <math>\left(\sum_{i=1}^n a_i…”）
2023年11月7日 (二) 11:42 ‎抽屉原理（历史 | 编辑） ‎[1,970字节] ‎Gezhikaiwu（讨论 | 贡献）（添加抽屉原理）
2023年7月25日 (二) 10:14 ‎马尔可夫模型（历史 | 编辑） ‎[5,785字节] ‎Gezhikaiwu（讨论 | 贡献）（创建页面，内容为“'''马尔可夫模型（Markov Model）'''是一种用于描述系统状态转移的数学模型。在马尔可夫模型中，系统的未来状态仅取决于其当前状态，而与过去的状态无关。这种性质被称为马尔可夫性质或者无记忆性质。 == 定义和性质 == 马尔可夫模型是一种随机过程，其特点是系统在时刻<math>t</math>的状态<math>X_t</math>只依赖于其在前一时刻<math>t-1</math>的状态<math>X_…”）标签：可视化编辑：已切换
2023年7月25日 (二) 09:13 ‎高斯模型（历史 | 编辑） ‎[3,780字节] ‎Gezhikaiwu（讨论 | 贡献）（创建页面，内容为“== 高斯模型 == '''高斯模型'''，也被称为'''正态分布'''或者'''高斯分布'''，是一种在自然和社会科学中广泛存在的连续概率分布。 === 定义 === 高斯模型的概率密度函数（PDF）为： <math> f(x|\mu,\sigma^2) = \frac{1}{\sqrt{2\pi\sigma^2}} e^{ -\frac{(x-\mu)^2}{2\sigma^2} } </math> 其中，<math>\mu</math>是均值，<math>\sigma^2</math>是方差。 === 统计性质 === * 均值（Mean）：<math>\mu</math>…”）
2023年7月25日 (二) 09:08 ‎最大似然估计（历史 | 编辑） ‎[5,138字节] ‎Gezhikaiwu（讨论 | 贡献）（创建页面，内容为“== 最大似然估计 == '''最大似然估计'''（Maximum Likelihood Estimation，MLE）是一种统计方法，用于估计模型参数。 === 定义 === 最大似然估计的基本思想是：给定一组观测数据，以及一个概率模型，我们应该选择哪些参数值能使得这组观测数据出现的概率最大。 === 公式 === 假设我们有一个概率模型<math>P(X|\theta)</math>，其中<math>X</math>是观测数据，<math>\theta</m…”）
2023年7月25日 (二) 09:02 ‎伯努利模型（历史 | 编辑） ‎[2,939字节] ‎Gezhikaiwu（讨论 | 贡献）（创建页面，内容为“== 伯努利模型 == '''伯努利模型'''是一种二元随机变量的概率模型，通常用于描述只有两种可能结果的随机试验。 === 定义 === 伯努利模型描述了一个随机试验，这个试验只有两种可能的结果，我们通常称其中一种结果为"成功"，另一种结果为"失败"。如果我们用随机变量<math>X</math>来表示这个试验的结果，那么<math>X</math>可以取两个值：1表示"成功"，0表…”）
2023年7月25日 (二) 08:53 ‎概率模型（历史 | 编辑） ‎[5,414字节] ‎Gezhikaiwu（讨论 | 贡献）（创建页面，内容为“== 概率模型 == '''概率模型'''是一种数学模型，它描述了随机变量之间的关系。这种模型通常用于预测事件的结果，或者描述系统的不确定性。 === 定义 === 在概率模型中，我们通常假设存在一些未知的参数，然后使用数据来估计这些参数。这些参数可以描述随机变量的概率分布，或者描述随机变量之间的关系。 === 概率分布 === 在概率模型中，我们通…”）
2023年7月23日 (日) 14:51 ‎佩亚诺公理（历史 | 编辑） ‎[1,774字节] ‎Gezhikaiwu（讨论 | 贡献）（添加“佩亚诺公理”页面）标签：可视化编辑：已切换
2023年7月23日 (日) 14:39 ‎算术（历史 | 编辑） ‎[1,927字节] ‎Gezhikaiwu（讨论 | 贡献）（添加“算术”词条）标签：可视化编辑