目录前言一、Hermite插值1.Hermite定理2.重节点差商3.重节点Newton插值4.Hermite插值公式4.1三点三次Hermite插值4.2两点三次Hermite插值4.32n+12n+12n+1次Hermite插值多项式二、Hermite插值算法及matlab代码1.2n+12n+12n+1次Hermite插值matlab代码实现2.例题三、总结四、插值法专栏前言  本篇为插值法专栏第四篇内容讲述，此章主要讲述Hermite（埃尔米特）插值法及matlab代码，其中也给出详细的例子让大家更好的理解Hermite插值法提示之前已经介绍牛顿插值法和三次样条插值，如果没看过前两篇的

RT-DETR模型是飞桨目标检测套件PaddleDetection最新发布的SOTA目标检测模型。其是一种基于DETR架构的端到端目标检测器，在速度和精度上均取得了SOTA性能。在实际部署中，为了追求“更准、更小、更快”的效率能力，本文使用飞桨模型压缩工具PaddleSlim中的自动压缩工具（ACT,AutoCompressionToolkit）将针对RT-DETR进行量化压缩及部署实战。使用ACT工具只需要几十分钟，即可完成量化压缩全流程。在模型精度持平的情况下，RT-DETR模型体积压缩为原来的四分之一，GPU推理加速44%。注：上述表格测试使用PaddleInference开启Tenso

插值需求的诞生：如何通过已知数据得到函数的近似解析表达式，从而获得更多的有用数据。在实际应用中常常需要根据已知的函数点进行数据、模型的处理和分析，而有时候现有的数据是极少的，不足以支撑分析的进行，这时就需要使用一些数学的方法“模拟产生”一些新的但又比较靠谱的值来满足需求，这就是插值的作用。一、Lagrange插值节点基函数推导二、n次Lagrange插值多项式公式推导由于上面已经推导出Lagrange插值节点基函数的公式所以下面直接带入就可以了。三、Lagrange插值余项（误差）推导四、例题五、插值误差估计-事后误差估计六、C++代码实现以及验证例题//定义拉格朗日插值多项式函数.目标：输入

当在Java中需要进行整数相除并保留两位小数时，可以使用以下两种方式实现：1.使用浮点数类型和DecimalFormat进行格式化：intdividend=10;intdivisor=3;//将其中一个操作数强制转换为double类型，使得除法运算得到浮点数结果doubleresult=(double)dividend/divisor;//创建DecimalFormat对象，指定保留两位小数DecimalFormatdecimalFormat=newDecimalFormat("#0.00");//使用DecimalFormat格式化浮点数结果，得到字符串形式的结果Stringformatte

数值计算一、误差的来源和分类二、有效数字第一个大题（非线性方程组的迭代法）第二个大题（LU分解）第三个大题（牛顿插值法）第四个大题（直线拟合）一、误差的来源和分类误差是描述数值计算之中近似值的近似程度误差按来源可分为：模型误差（描述误差）、观测误差（测量误差）、截断误差、舍入误差（计算误差）1.模型误差（描述误差）：数学模型通常是由实际问题抽象得到的，一般带有误差，这种误差称为模型误差。（这个误差一般来说是不可避免的）2.观测误差（测量误差）：数学模型中的一些参数时通过观测和实验得到的，难免带有误差，这种误差称为观测误差。注：以上两种误差并不是数值分析的重点研究内容，因为不可避免。下面说的两种

BigQuant策略做量化可以赚钱，但是是建立在一些前提条件基础之上的。量化策略本身存在的意义就是通过数量化模型建立科学投资体系，获取稳定收益，相比传统投资，其具备纪律性、系统性、及时性、准确性等诸多优势，所以一个好的量化策略表现是绝对优于传统投资的。小编根据过去一段时间的观察，想要赚钱需要做好下面几件事：挑选合适的策略，评价一个策略有诸多指标：年化收益、累计收益、回撤、夏普、初始资金、模拟交易时长等等，首先要结合自己的实际情况挑选合适的策略。不过有策略还需要有交易接口，毕竟我们现在说的是量化交易，人工操盘是不足以实现的。不过，上面说的也都是是小编的个人感受，仅供大家参考哈，对量化交易有兴趣的

声明本部分是一个学习笔记，主要内容来自于华冬英老师编写的《微分方程的数值解法与程序实践》。如果觉得内容不错，可自行购买价格良心的官方正版教材。http://www.hxedu.com.cn.上有配套的代码以PPT课件可供免费下载。另外，官方代码均用C语言编写，之后我也会陆陆续续上传自己编写的Python代码。本部分内容公式太多实在懒得敲了，因此以图片形式呈现，基本能满足学习要求。不过也同时上传了文字可复制的PDF版本，内容与图片版本完全一致。感兴趣的话可在https://download.csdn.net/download/liuqihang11/77977916下载，不过需要付费1.99元，

很多人其实不太了解，市面上的量化平台这么多，到底各有什么特点呢？我们一起来看看。1.BigQuant人工智能量化平台：无门槛使用AI进行更好的量化投资，提供策略生成器。知识库里也有近期的一些量化热点问题，还是挺不错的。2.聚宽：聚宽量化平台具有回测功能、高速实盘交易接口、API文档、策略库等功能。社区也经常有人分享一些比较好的策略。3.米筐：一个开放的量化算法交易社区，为程序化交易者提供免费的回测和实盘模拟环境，并且会不间断举行实盘资金投入的量化比赛。4.优矿：提供最专业的量化交易平台5.掘金：掘金量化是集数据、投研、实盘交易的一站式专业量化平台，免费为用户提供投研服务，你可以在掘金量化终端进

1、搜索语义模型现状ERNIE:EnhancedRepresentationthroughKnowledgeIntegration是百度在2019年4月的时候，基于BERT模型做的进一步优化，在中文的NLP任务上得到了state-of-the-art的结果。近年来，ERNIE1.0/2.0/3.0等语义模型在搜索各个重点业务场景下得到了广泛应用，包括相关性、排序等多个子方向，消耗了大量GPU资源。每个业务方向一般由多个模型组成链路来完成最终计算，整体搜索业务所涉及的模型数量多、迭代快。目前，线上全流量模型超过几百个，月级迭代近百次。语义模型的大量应用对搜索产生了巨大影响，相关业务指标对模型精度

前言在这里整理一些数值代数中重要定理以及数学证明。本章主要介绍向量范数与矩阵范数。目录前言向量范数向量范数定义：常用向量范数：常用不等式（用于证明范数）：范数性质：矩阵范数：矩阵范数定义：相容定义：常用矩阵范数：矩阵范数性质：常用范数及其定理：谱范数的常用性质：谱半径定义：谱半径与矩阵范数之间关系：几个重要定理：向量范数向量范数定义：一个从到的非负函数叫做上的向量范数，如果它满足：（1）正定性：（2）齐次性：（3）三角不等式：常用向量范数：p范数：其中最常用。常用不等式（用于证明范数）：Cauchy-Schwartz不等式：Holder不等式：范数性质：1、2、任意两范数，存在常数，有3、向量