笔趣阁

第273节（第3页）

在这种情况下。

如果最小化方程两边之差的一个范函，并不能获得方程的一个近似解。

到了20世纪60年代。

Tikhonov，Ivanov和Phillips又发现了最小化误差范函的加正则项。

即正则化的范函，而不是仅仅最小化误差范函，就能得到一个不适定的解题的解序列趋向于正确解。

换而言之。

第一部分的方程组，其实是一个描述渐变区域的序列集合。

甚至可能是……

图像？

想到这里。

徐云顿时来了兴趣。

从4DB2可以判断，这应该是一个涉及到旋转曲面的问题。

第二行的∑(jik=S）∏(jik=q）(Xi）(ωj）则可以确定曲面与经线成了某个定角。

既然是定角，那么就可以假设定模型λ=(A，B，π），以及观测序列O=(o1，o2，……，oT）。

那么就有α1(i）=πibi(o1），i=1，2，……，N

αt＋1(i）=[j=1∑Nαt(i）aji]bi(ot＋1），i=1，2，……，N

十五分钟后。

看着面前的结果，徐云若有所思：

“极大化的模型参数吗……”

随后他思索片刻，继续在纸上写下了一道公式：

Q(λ，λ）=I∑logπi1P(O，I∣λ）＋I∑(t=1∑T－1logaitit＋1）P(O，I∣λ）＋I∑(t=1∑Tlogbit(ot））P(O，I∣λ）。

这是一个很简单的投影曲线，并且圆锥对数螺线上任一点的挠率也与该点到轴的距离成反比。

因此可以化简成另一个表达式。

δt(i）=i1i2，……，it－1maxP(it=i，t－1，……，i1，ot，……，o1∣λ），i=1，2，……，N

解着解着，徐云的表情也愈发凝重了起来。

两个小时后。

徐云看着面前的图纸，眉头紧紧的拧成一团：

“好家伙，第一组方程的化解项，居然是一个观测态的方程？”

观测态方程其实是个很奇怪的玩意儿，它在数学中的释义比较复杂，但在物理中的释义却很简单：

read_xia(）;