闵可夫斯基和： 闵可夫斯基和又称闵可夫斯基加法，是两个欧几里得空间的点集的和。 点集A和点集B的闵可夫斯基和被定义为： A+B={a+b | a属于A，属于B} 例如，平面上有两个三角形，其坐标分别为A={(1,0),(0,1),(0,-1)}及B ...

定义p+q=(p.x+q.x,p.y+q.y)，给定两个点集，求{pi+qj}的凸包（凸壳）的问题 以求凸壳为例（凸包可以通过求上下凸壳然后拼凑）： 显而易见的结论是： 新凸壳上的点一定是由p和 ...

对于任意的 $n$ 维向量 $a = \left \{ x_{1},x_{2},...,x_{n} \right \}$，$b = \left \{ y_{1},y_{2},...,y_{n} \ri ...

闵可夫斯基和，是两个欧几里得空间的点集的和，以德国数学家闵可夫斯基命名。 点集A与B的闵可夫斯基和就是{o|o=a+b}，其中a属于A,b属于B。 对于凸包这种特殊的图形，它的闵可夫斯基和有一些较好的性质。 比如：凸包之间的闵可夫斯基和一定是凸包。 求凸包之间的闵可夫斯基和的方法。 把两个凸包 ...

闵可夫斯基引擎Minkowski Engine Minkowski引擎是一个用于稀疏张量的自动微分库。它支持所有标准神经网络层，例如对稀疏张量的卷积，池化，解池和广播操作。有关更多信息，请访问文档页面。 稀疏张量网络：空间稀疏张量的神经网络 压缩神经网络以加快推理速度并最小化内存 ...

三维空间的平移，时间和空间无关。 相对论时空观下时空坐标变换由洛伦兹变换描述，这对应的是闵可夫斯基 ...

关于 wqs 二分部分可以参考 跳蛙的博客 或者 原论文，基础部分这里略过。 wqs 二分的构造解 wqs 二分的本质是二分斜率，寻找切点。假设希望求出值的横坐标为 \(X\)。但是事实上由于三点 ...

在机器学习过程中，我们经常需要知道个体(样本)之间的差异大小，进而评价个体的相似性和类别，特征空间中两个样本(点)之间的距离就是两个样本相似性的一种反映。常见的分类和聚类算法，如K近邻、K均值(K-m ...