课程内容: 单元 1:拉普拉斯变换 [09 小时] 定义 – 存在条件;基本函数的变换;拉普拉斯变换的性质 – 线性性质、一阶移位性质、二阶移位性质、函数乘以 tn 的变换、尺度变化性质、函数除以 t 的变换、函数积分的变换、导数的变换;利用拉普拉斯变换求积分;一些特殊函数的变换 – 周期函数、海维赛德单位阶跃函数、狄拉克函数。 单元 2:逆拉普拉斯变换 [09 小时] 简介;一些基本函数的逆变换;求逆变换的一般方法;求逆拉普拉斯变换的部分分式法和卷积定理;用于求常系数线性微分方程和联立线性微分方程的解的应用 单元 3:傅里叶变换 [09 小时] 定义 – 积分变换;傅里叶积分定理(无证明);傅里叶正弦和余弦积分;傅里叶积分的复数形式;傅里叶正弦和余弦变换;傅里叶变换的性质;傅里叶变换的帕塞瓦尔恒等式。 第四单元:偏微分方程及其应用 [09 小时] 通过消除任意常数和函数形成偏微分方程;可通过直接积分解的方程;一阶线性方程(拉格朗日线性方程);变量分离法 - 用于寻找一维热流方程的解
模块 I(18 小时)- 矩阵初等变换 – 阶梯形式 – 通过简化为阶梯形式利用初等变换进行排序 – 利用初等变换解线性齐次和非齐次方程。向量的线性相关性和独立性 – 特征值和特征向量 – 特征值和特征向量的性质(不要求证明) – 线性变换 – 正交变换 – 对角化 – 利用正交变换将二次型简化为平方和 – 二次型的秩、指标、签名 – 二次型的性质 模块 2(18 小时) - 偏微分 偏微分:链式法则 – 齐次函数的欧拉定理陈述 – 雅可比矩阵 – 泰勒级数在二元函数中的应用 – 二元函数的最大值和最小值(不要求证明结果) 模块 3(18 小时) - 多重积分 笛卡尔和极坐标中的二重积分 – 积分阶数变换 – 使用二重积分计算面积 – 使用雅可比矩阵计算变量变换 – 笛卡尔、圆柱和球坐标中的三重积分 – 使用三重积分计算体积– 使用雅可比矩阵改变变量 – 简单问题。模块 4(18 小时) - 常微分方程 具有常数系数的线性微分方程 - 互补函数和特殊积分 - 使用参数变异法寻找特殊积分 - 欧拉柯西方程 - 勒金德方程 模块 5(18 小时) - 拉普拉斯变换 拉普拉斯变换 - 移位定理 - 变换的微分和积分 - 导数和积分的拉普拉斯变换 - 逆变换 - 卷积特性的应用 - 单位阶跃函数的拉普拉斯变换 - 第二移位定理(不需要证明) - 单位脉冲函数和周期函数的拉普拉斯变换 - 使用拉普拉斯变换解具有常数系数的线性微分方程。
课程目标:1. 介绍各种数学概念和模型,并提供实施这些模型所需的技能。2. 对各种数值和数据进行批判性评估。3. 培养对非确定性问题建模的设计技能。预期课程成果:1. 展示对数据科学中与线性代数、概率和微积分相关的基本数学概念的理解并运用它们。 2. 应用线性模型进行回归,使用线性模型进行分类 3. 采用核模型、SVM 和 RVM 4. 将问题概念化为图模型、混合模型,并使用估计最大化算法进行分析 5. 用说明性例子进行演示 PCA 单元:1 线性代数 3 小时 矩阵、求解线性方程、向量空间、线性独立性、基和秩、线性映射、仿射空间、范数、内积、正交性、正交基、函数内积、正交投影 单元:2 矩阵分解 4 小时 行列式和迹、特征值和特征向量、Cholesky 分解、特征分解、奇异值分解、矩阵近似 单元:3 向量微积分 4 小时 单变量函数的微分、偏微分和梯度、向量值函数的梯度、矩阵的梯度、计算梯度的有用恒等式、反向传播和自动微分、高阶导数、线性化和多元泰勒级数。单元:4 概率、分布和优化 4 小时 概率空间的构建、离散和连续概率、求和规则、乘积规则和贝叶斯定理、汇总统计和独立性、高斯分布、共轭和指数族、变量变换/逆变换、连续优化、使用梯度下降的优化、约束优化和拉格朗日乘数、凸优化单元:5 数据模型 4 小时 数据、模型和学习、经验风险最小化、参数估计、概率建模和推理、有向图模型、模型选择
