技术博客|代码、公式和图片样例

作者

存在问题：文本量过小时，没有“阅读全文”标识；
只有当文本量足够大时，出现“阅读全文”时，点击后才能够有效显示全页面。
（解决方案：一般文章的文本量足够，暂时可忽略）

一、代码

代码一

// .cpp
// 这是一行注释
/*
 * 这是一块注释
 * 这是一块注释
 */
# include <stdio.h>
int main(){
	printf("I love coding!");
	return 0;
}

代码二

# .py
import numpy as np

# 公式核心参数：M历史窗口长度 H预测步长
M, H = 5, 3
# 模拟历史序列 v_{l-M+1},...,v_l（实际替换为真实数据）
v_history = np.array([2.1, 2.3, 2.2, 2.4, 2.3])

# 计算条件对数概率 log P(v未来 | v历史)
def conditional_log_prob(v_history, v_future):
    mu = np.mean(v_history)  # 历史均值
    sigma2 = max(np.var(v_history), 1e-6)  # 历史方差（防除0）
    # 高斯分布对数概率求和（未来序列整体概率）
    log_p = -0.5 * np.log(2 * np.pi * sigma2) - 0.5 * (v_future - mu) ** 2 / sigma2
    return np.sum(log_p)

# 生成候选未来序列（遍历实现argmax，实际可替换为模型预测）
candidate_vs = [
    np.array([2.0, 2.1, 2.2]),
    np.array([2.3, 2.3, 2.3]),
    np.array([2.5, 2.6, 2.7]),
    np.array([2.2, 2.4, 2.3]),
    np.array([1.5, 1.6, 1.7])
]

# 求解argmax：找到对数概率最大的未来序列 \hat{v}_{l+1},...,v_{l+H}
log_probs = [conditional_log_prob(v_history, v) for v in candidate_vs]
best_idx = np.argmax(log_probs)
best_v_future = candidate_vs[best_idx]

# 输出结果
print(f"最优预测序列 \hat_v: {best_v_future}")
print(f"最大对数概率值: {log_probs[best_idx]:.4f}")

二、公式

公式一

v^l+1,…,v^l+H=arg⁡maxvl+1,…,vl+H⁡log⁡P(vl+1,…,vl+H|vl−M+1,…,vl)\hat{v}_{l+1},\dots,\hat{v}_{l+H} = \arg\max_{v_{l+1},\dots,v_{l+H}} \log P(v_{l+1},\dots,v_{l+H} \mid v_{l-M+1},\dots,v_l)

公式二

Θ∗gx≈θ0x+θ1(2λmax⁡L−In)x≈θ0x−θ1(D−12WD−12)x\Theta * g x \approx \theta_0 x + \theta_1 \left(\frac{2}{\lambda_{\max}} L – I_n\right) x\\ \approx \theta_0 x – \theta_1 \bigl(D^{-\frac12} W D^{-\frac12}\bigr) x

三、图片

图片一

图片二

图片三

发表评论