随机游走（英语：Random Walk，缩写为 RW），是一种数学统计模型，它是一连串的轨迹所组成，其中每一次都是随机的。[1][2]它能用来表示不规则的变动形式，如同一个人酒后乱步，所形成的随机过程记录。1905年，由卡尔·皮尔逊首次提出。[3]随机游走可以在各种空间上进行：通常研究的包括图，整数或实数线，向量空间，曲面，高维的黎曼流形，以及群，有限生成群或李群。在最简单的情况中，时间是离散的，

1. 多项式级数2. 指数级数3. Harmonic 级数4. 其他常见的级数查询表https://blog.csdn.net/algzjh/article/details/82533996

传感器

A phase-type distribution is a probability distribution constructed by a convolution or mixture of exponential distributions. It results from a system of one or more inter-related Poisson processes oc

1. 随机过程举例样本空间与时间函数的对应2. 平稳性是什么无论是严平稳还是(弱)平稳，实际上刻画的都是时间序列的统计性质关于时间平移的不变性。严平稳要求比较严格，需要所有的统计性质(也就是其有限维分布函数族)都是关于时间平移不变的，而弱平稳只需要一阶矩与二阶矩(以及协方差)是时间平移不变的。3. 为什么需要平稳的时间序列因为我们研究时间序列很重要的一个应用（或者出发点），是希望通过时间序列的历史

牛顿法主要有两方面的应用：求方程的根；求解最优化方法；为什么要用牛顿法求方程的根？问题很多，牛顿法 是什么？目前还没有讲清楚，没关系，先直观理解为 牛顿法是一种迭代求解方法（Newton童鞋定义的方法）。扩展到最优化问题这里的最优化 是指非线性最优化，解非线性最优化的方法有很多，比如 梯度下降法、共轭梯度法、变尺度法和步长加速法 等，这里我们只讲 牛顿法。其中H是hessian矩阵, 定义见上.高

归一化 Normalization归一化一般是将数据映射到指定的范围，用于去除不同维度数据的量纲以及量纲单位。常见的映射范围有 [0, 1] 和 [-1, 1] ，最常见的归一化方法就是 Min-Max 归一化：举个例子，我们判断一个人的身体状况是否健康，那么我们会采集人体的很多指标，比如说：身高、体重、红细胞数量、白细胞数量等。一个人身高 180cm，体重 70kg，白细胞计数 [公式] ，et

https://blog.csdn.net/itnerd/article/details/83385817

信干噪比名词定义信干噪比SINR（Signal to Interference plus Noise Ratio），指的是系统中信号与干扰和噪声之和的比。信号是指来自设备外部需要通过设备进行处理的电子信号。干扰是指系统本身以及异系统带来的干扰，如同频干扰、多径干扰。噪声是指经过设备后产生的原信号中并不存在的无规则的额外信号，这种信号与环境有关，不随原信号的变化而变化。计算公式信干噪比的表达方式为：

前言从上面的分析和例题看到，对于秩为1的n阶矩阵，零是其n重或n-1重特征值，如果是n-1重，则非零特征值是矩阵的主对角线元素之和;另外还看到，秩为1的矩阵可以分解为一个非零列向量与另一个非零列向量的转置的乘积，这两个向量的内积即是非零特征值;秩为1的矩阵对应的齐次线性方程组的基础解系含n-1个解向量.秩为1的n矩阵A具有以下性质https://kaoyan.wendu.com/2016/0531