- 综合排序
- 最热优先
- 最新优先
- 来自专栏全栈程序员必看
matlab 随机数矩阵_随机矩阵理论
1，A = rand(3, 5) %定义一个3行5列的随机矩阵（范围为0-1之间的小数） size(A) %返回值是3 5 rows = size(A, 1) %取到行数，1指代上面返回值的第一个 = size(A, 2) %取到列数，2指代上面返回值的第二个，即列数 注意：目前MATLAB中下标都是从1开始的 2，A = randi(7, 3, 5) %定义一个满足均匀分布3行5列的随机矩阵 （范围为1-7之间的整数） 3，A = randn(3, 5) %定义一个满足标准正态分布的3行5列的随机矩阵 版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。
1K10编辑于 2022-11-16 DeepSeek mHC 深度解读：当流形几何遇上残差网络
在深度学习中，流形通常指带约束的参数空间：流形约束自由度单位球面\|w\| = 1n-1正交矩阵W^T W = I\frac{n(n-1)}{2}双随机矩阵行和=列和=1，非负(n-1)^2在本文语境中 因为它同时满足三个关键性质：性质 1：谱范数有界双随机矩阵的谱范数 ，这意味着它不会放大信号。性质 2：乘法封闭两个双随机矩阵相乘，结果仍是双随机矩阵。 添加图片注释，不超过 140 字（可选）技术研究启示论文在结论中提到了几个有趣的方向：其他流形的探索：除了双随机矩阵，正交矩阵、酉矩阵、单纯形约束等是否有独特优势？ 它清晰地定义了问题，HC的多流设计破坏了残差连接的恒等映射性质导致信号爆炸，并用双随机矩阵的流形约束给出了数学上简洁的解决方案。 此外，双随机约束是否是最优选择？正交矩阵、酉矩阵等其他流形是否有独特优势？这些问题都值得进一步探索。
76930编辑于 2026-01-05mHC 深度解读：当流形几何遇上残差网络
性质 2：乘法封闭 两个双随机矩阵相乘，结果仍是双随机矩阵。 Sinkhorn-Knopp 算法 如何将任意矩阵投影到双随机流形上？论文采用了经典的 Sinkhorn-Knopp 算法： 输入：任意矩阵 M 1. 技术研究启示 论文在结论中提到了几个有趣的方向： 其他流形的探索：除了双随机矩阵，正交矩阵、酉矩阵、单纯形约束等是否有独特优势？ 它清晰地定义了问题，HC的多流设计破坏了残差连接的恒等映射性质导致信号爆炸，并用双随机矩阵的流形约束给出了数学上简洁的解决方案。 此外，双随机约束是否是最优选择？正交矩阵、酉矩阵等其他流形是否有独特优势？这些问题都值得进一步探索。
41310编辑于 2026-01-20- 来自专栏全栈程序员必看
python 生成随机矩阵_matlab建立m行n列矩阵
（因为矩阵要生成大量的随机数据，故推荐使用numpy模块生成随机数） 生成随机数（以矩阵为例） # 生成随机矩阵 import numpy as np # 设置随机种子，保证每次生成的随机数一样，可以不设置 # 随机浮点数 matrix1 = rd.random((5, 5)) # 随机生成一个 [0,1) 的浮点数 ，5x5的矩阵 # print(matrix1) 如果想要生成固定区间的浮点数，可以采用如下两种方法 # 生成随机矩阵 import numpy as np # 设置随机种子，保证每次生成的随机数一样，可以不设置（去除下面一行代码，将所有的 rd 替换成 np.random 即可） rd = np.random.RandomState , 3, (5, 5)) # 随机生成[-2,3)的浮点数，5x5的矩阵 # print(matrix1) 生成固定分布的随机数 # 服从特定分布的随机数 # 生成随机矩阵 import numpy # 1.均匀分布 matrix_uniform = rd.uniform(-2, 3, (5, 5)) # 随机生生成 [-2,3) 内的均匀分布随机浮点数 ，5x5的矩阵 # print(matrix_uniform
1.6K20编辑于 2022-11-01 - 来自专栏韩曙亮的移动开发专栏
【MATLAB】数据类型 ( 矩阵 | 随机数函数 | 生成矩阵 )
文章目录 一、矩阵 1、定义矩阵 2、转置矩阵 3、矩阵放到一列 4、逆矩阵 二、随机数函数 1、rand 随机数函数 2、randn 随机数函数 3、randi 随机数函数 三、生成矩阵 1、生成 0 矩阵 2、生成随机矩阵 一、矩阵 ---- 1、定义矩阵 定义矩阵 : 行之间的元素使用 空格 或 逗号隔开 , 每行之间使用分号隔开 ; % 定义矩阵 A = [1,2,3; 4,5,6; 7,8,9 C = A(:) 执行效果 : 4、逆矩阵 逆矩阵 : 注意只有方阵才能求逆矩阵 , 否则报错 ; % 逆矩阵, 只有方阵才能求逆矩阵 D = inv(A) 执行结果 : 二、随机数函数 --- 行 , n 列 , 均匀分布 的伪随机整数 ; 三、生成矩阵 ---- 1、生成 0 矩阵 使用 zeros 函数生成 0 矩阵 ; % 生成 0 矩阵 , 最后一个 3 代表 3 维矩阵 % 开始的 ; % 生成 0 矩阵 , 最后一个 3 代表 3 维矩阵 % 开始的 3 和 2 分别代表 3 行 2 列 E = zeros(3, 2, 3) % 随机生成均匀分布的随机数, 0 ~ 1 区间中
1.5K11编辑于 2023-03-29 - 来自专栏算法一只狗
当残差不再是直线：DeepSeek 的 mHC 如何把 Hyper-Connections 拉回稳定区
residualmixing矩阵(H^{res}_l)约束为“双随机矩阵（doublystochastic）”，也就是落在Birkhoffpolytope（双随机矩阵集合/置换矩阵凸包）这个流形/多面体上 为解决这一问题，研究团队引入了Birkhoffpolytope这一特定流形结构作为优化空间。 选择该流形的主要依据在于其具备多重优良特性：范数不扩张（Non-expansive）双随机矩阵的谱范数有界，因此能抑制梯度爆炸风险连乘闭包（CompositionalClosure）双随机矩阵集合对乘法封闭 ：多层连乘仍是双随机，因此“跨很多层”的直通项也保持同样的守恒/稳定属性几何解释：置换的凸组合Birkhoffpolytope是置换矩阵的凸包，所以可视作“对多种置换混合方式的加权平均”；反复作用会带来更强的跨流混合 引入的双随机矩阵（Birkhoffpolytope）在这里是一个非常干净的工程解法：行和=1→前向信号守恒列和=1→反向梯度守恒非负→没有正负抵消、没有“能量凭空消失”连乘闭包→深度再深也不会引入新不稳定源从这个角度看
48720编辑于 2026-01-07 - 来自专栏亨利笔记
打破十年瓶颈！DeepSeek mHC 重构神经网络底层逻辑，V4/R2 渐行渐近
这副“数学镣铐”，就是双随机矩阵（也叫伯克霍夫多面体）。 可能大家一听到“矩阵”就头大，其实不用懂复杂的公式，只要记住双随机矩阵的两个关键特点就行：一是所有元素都是非负的；二是每一行、每一列的和都恰好等于1。 双随机矩阵不会放大信号的整体强度，就像你在山谷里说话，回声再大也不会超过你原本的音量。这就从根源上杜绝了“梯度爆炸”的可能，信号在深层网络里传播时，再也不会突然“失控暴走”。 多个双随机矩阵相乘，结果还是双随机矩阵。这意味着不管网络有多少层，稳定性都不会打折扣——就像接力赛，每一棒都严格遵守规则，不会因为传递次数多就出乱子，深层网络的稳定性也就有了保障。 那怎么把普通矩阵变成双随机矩阵呢？mHC用了一种经典的 Sinkhorn-Knopp算法（1964年发表）。
96710编辑于 2026-01-07 - 来自专栏Michael阿明学习之路
随机翻转矩阵（哈希）
题目 题中给出一个 n_rows 行 n_cols 列的二维矩阵，且所有值被初始化为 0。 要求编写一个 flip 函数，均匀随机的将矩阵中的 0 变为 1，并返回该值的位置下标 [row_id,col_id]； 同样编写一个 reset 函数，将所有的值都重新置为 0。 尽量最少调用随机函数 Math.random()，并且优化时间和空间复杂度。 注意: 1 <= n_rows, n_cols <= 10000 0 <= row.id < n_rows 并且 0 <= col.id < n_cols 当矩阵中没有值为 0 时，不可以调用 flip } void reset() { grid = vector<int> (m*n, 0); } }; 2.2 转一维，每次缩小范围 记录总共的元素个数N，随机获取
63520发布于 2020-07-13 - 来自专栏数据派THU
一些关于随机矩阵的算法
本文介绍一下我硕士论文中用到的关于随机矩阵 GUE 的算法，真的超级好使，谁用谁知道！ 那我们首先来回顾一下，GUE 的定义： DEFINITION 1.1（Gaussian unitary ensemble）假设 是独立同分布的标准高斯随机变量（期望为 0，方差为 1），那么 的 GUE 就被定义为： 本文介绍一下我硕士论文中用到的关于随机矩阵 GUE 的算法，真的超级好使，谁用谁知道！ 比如说我们需要大概 80G 去存储一个 1w 乘 1w 的矩阵。 构造出来的是一个 dense 的矩阵，也就是大多数分量都不是零！ 这里要注意的是： 和 随机变量都是两两互为独立的。 sub-digonal 和 super-digonal 上是相等的！
57130编辑于 2022-07-25 - 来自专栏全栈程序员必看
Python生成随机数矩阵_Python生成50个随机数
生成随机数 使用 random 模块 random.random() 用于随机生成一个0到1的浮点数 random.randint(start,stop) 随机生成[start,stop]区间内的整数 代码示例： import random print (random.random()) print(random.randint(2,5)) 输出结果： 0.28113894170242715 2 生成随机矩阵 import numpy as np print(np.random.rand(4,5)) print(np.random.randint(2,4,(3,3)))#(3,3)表示矩阵大小 [[0.9301374
2.7K20编辑于 2022-11-09 - 来自专栏大模型系列
解密DeepSeek-V4 预览版Engram 记忆模块、mHC 稳定训练与百万Token稀疏注意力的三大突破——百万Token上下文的智能压缩引擎
:流形约束超连接》。 其核心思想是对网络层与层之间的连接矩阵施加严格的数学约束，以确保信息流的稳定性。 3.3技术原理：投影到双随机矩阵流形mHC的具体实现非常精巧：流形选择：mHC选择将残差映射矩阵投影到双随机矩阵流形（DoublyStochasticMatrixManifold）上。 在这个流形上的矩阵，其每一行和每一列的元素之和都等于1。投影算法：使用Sinkhorn-Knopp算法来执行这种投影。该算法通过交替对矩阵的行和列进行归一化，最终收敛到一个双随机矩阵。 谱范数约束：双随机矩阵的一个关键数学性质是，其谱范数（SpectralNorm，即最大奇异值）被严格限制在1以内。这意味着，任何输入信号经过该矩阵变换后，其L2范数（能量）不会被放大。
27620编辑于 2026-04-24 - 来自专栏程序IT圈
LeetCode刷题实战519：随机翻转矩阵
今天和大家聊的问题叫做 随机翻转矩阵，我们先来看题面： https://leetcode-cn.com/problems/random-flip-matrix/ There is an m x n binary 给你一个 m x n 的二元矩阵 matrix ，且所有值被初始化为 0 。请你设计一个算法，随机选取一个满足 matrix[i][j] == 0 的下标 (i, j) ，并将它的值变为 1 。 尽量最少调用内置的随机函数，并且优化时间和空间复杂度。 实现 Solution 类： Solution(int m, int n) 使用二元矩阵的大小 m 和 n 初始化该对象 int[] flip() 返回一个满足 matrix[i][j] == 0 的随机下标 [i, j] ，并将其对应格子中的值变为 1 void reset() 将矩阵中所有的值重置为 0 示例 输入 ["Solution", "flip", "flip", "flip", "reset
40620编辑于 2022-03-03 - 来自专栏DeepHub IMBA
机器人逆运动学进阶：李代数、矩阵指数与旋转流形计算
这篇文章就是要把这事儿说清楚：从旋转矩阵构成的李群开始，到流形和切空间，再到怎么用叉积算旋转矩阵的导数，如何对旋转矩阵做增量更新，最后是如何计算从一个姿态到另一个姿态需要的角速度。 类似的还有二维旋转SO(2)、四维变换矩阵等等，这些都属于李群家族。 流形和切空间：几何概念 实数是一条直线，但SO(3)不是，它在ℝ³ˣ³里形成一个弯曲的流形。 就像函数的切线斜率由导数决定一样，我们也可以通过计算流形切线的"斜率"来得到它的导数。 计算旋转矩阵的导数 现在问题来了：一个旋转矩阵R和一个角速度向量ω，怎么算R的变化率Ṙ？ 所有3×3实反对称矩阵构成的空间叫做(3)，这是SO(3)的李代数，也就是SO(3)在单位矩阵处的切空间。虽然它在矩阵乘法下不构成群，但它是个李代数，让我们能在非线性的SO(3)流形上做线性计算。 通过流形和切空间的几何概念，我们理解了旋转矩阵导数的计算方法，并学会了使用反对称矩阵实现叉积运算。
54210编辑于 2025-11-15 - 来自专栏全栈程序员必看
【矩阵论】单射、满射与双射
单射、满射与双射；Injection, surjection and bijection ---- 单射：在英语中称为 i n j e c t i o n injection injection或 o , ∃ a ∈ A \exists a \in A ∃a∈A s u c h such such t h a t that that F ( a ) = b F(a)=b F(a)=b 双射 A A A和 B B B是两个非空集合， F F F是一个映射，如果对 B B B中任一元素，依照映射 F F F， A A A中都有其唯一的原像，就称 F F F为一个从 A A A到 B B B的双射 ∈A s u c h such such t h a t that that F ( a ) = b F(a)=b F(a)=b 参考资料 ---- [1]百度百科：浅谈对应，映射，单射，双射 ，满射，函数 [2]维基百科：单射、双射与满射 发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/134059.html原文链接：https://javaforall.cn
2.5K10编辑于 2022-08-15 - 来自专栏DeepHub IMBA
从贝叶斯视角解读Transformer的内部几何：mHC的流形约束与大模型训练稳定性
值向量汇聚于低维贝叶斯流形 图 2. 虽然Transformer的值向量定义在高维空间，但训练使它们集中到低维贝叶斯流形上。 关键在于这是双时间尺度过程：路由先稳定，内容后精炼。整个动态成立的前提是信号传播稳定、梯度有界。激活值一旦爆炸或消失，类EM机制随即瓦解。 规模放大的累积效应 无约束混合矩阵深度堆叠时，与恒等矩阵的微小偏差会乘法式累积。实践中的表现是：信号极端放大或衰减、梯度爆炸、大型HC模型训练时损失突增[3]。 流形约束超连接（mHC）的设计思路 将残差几何投影到双随机矩阵空间 mHC的核心思想是把残差混合矩阵投影到Birkhoff多面体——即双随机矩阵的空间[3]。 这类矩阵非负，行和列加总均为1，恒等矩阵恰好位于其中心。 关键属性的恢复 投影约束带来了几项重要保证。
32210编辑于 2026-01-12 - 来自专栏LLM
从ResNet到mHC：DeepSeek重构残差连接，额外开销仅6.7%，附复现代码
矩阵通过数学的手段，转换为可控的双随机矩阵（DoublyStochasticMatrices）。 双随机矩阵（DoublyStochasticMatrices）双随机矩阵定义如下：\begin{align}\mathcal{P}_{\mathcal{M}^{\text{res}}}\left(\mathcal 从公式（7）中可看出，双随机矩阵的元素都大于等于0，每一行、每一列的值相加都等于1。双随机矩阵具备2个重要特性：①范数值为1；②多个双随机矩阵的乘积还是双随机矩阵。 Birkhoff多胞体流形论文标题中的Manifold（流形）指的就是由所有双随机矩阵构成的几何空间，被称为Birkhoff多胞体（BirkhoffPolytope）,记为Bn\mathcal{B}_nBn 这个多面体的每一个点，都代表一个合法的双随机矩阵。顶点（Vertices）：这个多面体的顶点是所有的置换矩阵（PermutationMatrices）。
20010编辑于 2026-02-24 - 来自专栏CreateAMind
生成模型架构大调查 生成模型的不可能三角
- 注入流允许调整压缩率同时保持低重建误差，但牺牲了重建数据的多样性： 限制在解码器流形 M 中，并且不覆盖整个数据域 X 。 - 随机流在任何压缩率下生成正确的数据分布 ，但导致非确定性编码 。 解码器将这些核心代码映射到嵌入在数据空间中的流形上，但还额外采样适当的流形外偏差以重建完整的数据分布。因此，分割流结合了确定性编码器和随机解码器。 2 基本概念 符号：大写字母X, Z表示随机向量，小写字母x, z表示它们对应的实现（实例）。大写字母也用于表示矩阵，但区别应该总是从上下文中清楚。 为了推导出相应的变量变换公式，需要注意到体积变化不能再由雅可比行列式来表示，因为雅可比矩阵现在是一个具有未定义行列式的矩形矩阵（相比之下，双射情况下的雅可比矩阵（13）是方阵）。 标准归一化流不能精确表示嵌入流形上的分布，因为维度不匹配会阻止映射成为双射。
47910编辑于 2024-05-14 Deepseek mHC 架构理解
HC->mHC架构名称提出时间主要贡献者是否中国人所属机构Residuals（残差网络）2015年何恺明、孙剑、任少卿、张祥雨是微软亚洲研究院HC（超连接）2024年9月字节跳动团队部分字节跳动mHC（流形约束超连接 mHC（流形约束超连接）：由DeepSeek团队提出，通过将残差连接矩阵投影到双随机矩阵流形上，解决了HC的训练不稳定性问题，在保持性能的同时确保训练稳定。 多流并行管道过滤器类型固定功能过滤器专家过滤器+门控过滤器流映射过滤器扩展维度增加层数（深度）增加专家数（宽度）增加流数（连接复杂度）信息流动顺序、单向条件路由、稀疏激活并行、多向交互稳定性机制残差连接+层归一化专家容量限制+负载平衡流形约束 （双随机矩阵）1.稳定性保障通过双随机矩阵约束（Birkhoff多面体投影），确保多流管道的信号传播稳定避免了HC中因无约束映射导致的信号爆炸/消失问题2.效率优化内核融合：将多个映射操作合并为统一计算单元
63740编辑于 2026-01-05- 来自专栏计算机视觉理论及其实现
numpy基础属性方法随机整理（8）：矩阵乘法 及 对应元素相乘的矩阵乘法
矩阵运算基础知识参考：矩阵的运算及其规则注意区分数组和矩阵的乘法运算表示方法（详见第三点代码）1) matrix multiplication矩阵乘法： (m,n) x (n,p) --> (m,p) # 矩阵乘法运算前提：矩阵1的列=矩阵2的行 3种用法： np.dot(matrix_a, matrix_b) == matrix_a @ matrix_b == matrix_a * matrix_b2 ） element-wise product ： 矩阵对应元素相乘1种用法：np.multiply(matrix_c, matrix_d) 对于nd.array()类型而言，数组 arrA * arrB ) # <class 'numpy.ndarray'> <class 'numpy.matrixlib.defmatrix.matrix'>'''# 1) matrix multiplication矩阵乘法 ： (m,n) x (n,p) --> (m,p) # 矩阵乘法运算前提：矩阵1的列=矩阵2的行3种用法： np.dot(matrix_a, matrix_b) == matrix_a @ matrix_b
2.6K30编辑于 2022-09-02 - 来自专栏算法一只狗
DeepSeek-V4 传闻背后：预训练、Agent 化与稳定性的三重博弈
(H^{res}_l)约束为“双随机矩阵（doublystochastic）”，也就是落在Birkhoffpolytope（双随机矩阵集合/置换矩阵凸包）这个流形/多面体上DS研究团队通过实验观察到，由于缺乏有效约束机制 为解决这一问题，研究团队引入了Birkhoffpolytope这一特定流形结构作为优化空间。 选择该流形的主要依据在于其具备多重优良特性：范数不扩张（Non-expansive）双随机矩阵的谱范数有界，因此能抑制梯度爆炸风险连乘闭包（CompositionalClosure）双随机矩阵集合对乘法封闭 ：多层连乘仍是双随机，因此“跨很多层”的直通项也保持同样的守恒/稳定属性几何解释：置换的凸组合Birkhoffpolytope是置换矩阵的凸包，所以可视作“对多种置换混合方式的加权平均”；反复作用会带来更强的跨流混合 ，但仍是单调增强的融合而非失控放大此外，mHC还加了非负性约束，避免正负系数叠加造成信号抵消（也可理解为一种简单的流形/可行域约束）HC到底是“哪里不稳”？
2.8K20编辑于 2026-01-13
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号