Skip to content

感知机 ​

向量的内积 ​

向量的内积(点乘)是对两个向量进行点积, 对于向量 w, x:

$$\vec{w}=[a_1, a_2, a_3, a_4, a_5]$$

$$\vec{x}=[b_1, b_2, b_3, b_4, b_5]$$

两者的点积为:

$$\vec{w}\cdot\vec{x} = w_1x_1 + w_2x_2 + w_3x_3 + w_4x_4 + w_5x_5$$

也可表示为:

$$\vec{w}\cdot\vec{x} = |\vec{w}| |\vec{x}|cos{\theta}$$

其几何意义为 $\vec{x}$ 在 $\vec{w}$ 上的投影。

TIP

当两个向量的内积为 0 时,他们的夹角为 $90^{\circ}$。

Euler's identity $e^{i\pi}+1=0$ is a beautiful formula in $\mathbb{R}^2$.

$$\frac {\partial^r} {\partial \omega^r} \left(\frac {y^{\omega}} {\omega}\right) = \left(\frac {y^{\omega}} {\omega}\right) \left{(\log y)^r + \sum_{i=1}^r \frac {(-1)^i r \cdots (r-i+1) (\log y)^{r-i}} {\omega^i} \right}$$