困了要散分...累了更要散分...

vrhero 2007-07-12 06:24:25
赶项目是最累的...疲劳反应已经很明显...咖啡、茶、红牛...都不太管事了...

散分散心...
...全文
370 47 打赏 收藏 转发到动态 举报
写回复
用AI写文章
47 条回复
切换为时间正序
请发表友善的回复…
发表回复
ztwz 2007-07-16
  • 打赏
  • 举报
 回复
接分接到手抽筋!
alexsunnyj 2007-07-16
  • 打赏
  • 举报
 回复
不累要接分，累了更要接分
aSalt 2007-07-15
  • 打赏
  • 举报
 回复
接分...
aSalt 2007-07-15
  • 打赏
  • 举报
 回复
接分...
jjyjjyjjy 2007-07-14
  • 打赏
  • 举报
 回复
接分...
harryku 2007-07-14
  • 打赏
  • 举报
 回复
顶顶顶顶顶顶顶顶顶顶顶顶顶●●●●●●●●●●●●●顶顶顶
顶顶●●●●●●●●●●顶顶顶顶顶●●●●●顶顶顶顶顶顶顶
顶●●●●●●●●●●●顶顶顶顶顶顶●●●顶顶顶顶顶顶顶顶
顶顶顶●●●●●●●顶顶顶顶顶顶顶顶●●●顶顶顶顶顶顶顶顶
顶顶顶顶顶顶●●●顶顶顶顶顶顶顶●●●●●●●●●顶顶顶顶
顶顶顶顶顶顶●●●顶顶顶顶顶●●●●●●●●●●●顶顶顶顶
顶顶顶顶顶顶●●●顶顶顶顶●●●●●顶顶顶顶●●●●顶顶顶
顶顶顶顶顶顶●●●顶顶顶顶●●●●顶顶顶顶顶顶●●●顶顶顶
顶顶顶顶顶顶●●●顶顶顶顶●●●顶顶●●●顶顶●●●顶顶顶
顶顶顶顶顶顶●●●顶顶顶顶●●●顶顶●●●顶顶●●●顶顶顶
顶顶顶顶顶顶●●●顶顶顶顶●●●顶顶●●●顶顶●●●顶顶顶
顶顶顶顶顶顶●●●顶顶顶顶●●●顶顶●●●顶顶●●●顶顶顶
顶顶顶顶顶顶●●●顶顶顶顶●●●顶顶●●●顶顶●●●顶顶顶
顶顶顶顶顶顶●●●顶顶顶顶●●●顶顶●●●顶顶●●●顶顶顶
顶●●顶顶●●●●顶顶顶顶顶顶顶顶●●●●●●顶顶顶顶顶顶
顶●●●●●●●●顶顶顶顶顶顶顶●●●●顶●●●●顶顶顶顶
顶顶●●●●●●●顶顶顶顶顶顶●●●●顶顶顶●?




yangxinjia 2007-07-14
  • 打赏
  • 举报
 回复
楼主保重
xiaoliangwh 2007-07-13
  • 打赏
  • 举报
 回复
up
junval 2007-07-13
  • 打赏
  • 举报
 回复
mark
艾思软件-自动化软件 2007-07-13
  • 打赏
  • 举报
 回复
幸福
qty_ccy 2007-07-13
  • 打赏
  • 举报
 回复
困了要接分,累了更要接分.......
好累啊....
真想甚麼都不做,睡個10天半個月的...
zh-wall-e 2007-07-13
  • 打赏
  • 举报
 回复
欢迎楼主带领我们广大人民群众奔小康。。。。。。。。。。。
Jasonchen82 2007-07-13
  • 打赏
  • 举报
 回复
jf
51Crack 2007-07-13
  • 打赏
  • 举报
 回复
出卖肉体
wxg22526451 2007-07-13
  • 打赏
  • 举报
 回复
同感~
LZ保重
chenshuliang 2007-07-13
  • 打赏
  • 举报
 回复
jf
symbol441 2007-07-13
  • 打赏
  • 举报
 回复
彼此彼此,现在天天赶项目,一个字累,两个字很累....
wdzr_826 2007-07-13
  • 打赏
  • 举报
 回复
大家都差不多
april1127 2007-07-13
  • 打赏
  • 举报
 回复
捡
sunzhong2003 2007-07-13
  • 打赏
  • 举报
 回复
接了，一样的人
加载更多回复（27）
变分贝叶斯估计：KL散度及变分自由能
这可以通过最小化KL散度来找到最优的变分分布，从而近似真实的后验分布。它是变分推断中的一个目标函数，通过最小化变分自由能，可以找到一个近似分布，使其尽可能接近真实的后验分布。变分自由能与最大化证据下界是等价的，因为最大化 ELBO 的过程等价于最小化其负值，即最小化变分自由能，且通常通过迭代的方式进行。通过最小化变分自由能，我们在近似分布的选择中取得了折中，同时考虑了与真实后验的接近度和模型对观测数据的拟合。其中，Q 是我们希望找到的近似分布，P 是真实的后验分布，X 是观测数据，Z 是未知的潜在变量。
正向KL散度与反向KL散度
KL散度的公式是 KL[p(x)∣∣q(x)]=∫xp(x)logp(x)q(x)dx KL[p(x)||q(x)] = \int_{x}p(x)log{p(x) \over q(x)}dx KL[p(x)∣∣q(x)]=∫x​p(x)logq(x)p(x)​dx 假设真实分布为p(x)p(x)p(x)，我们想用分布q(x)q(x)q(x)去近似p(x)p(x)p(x)，我们很容易想到用最小化KL散度来求，但由于KL散度是不对称的，所以并不是真正意义上的距离，那么我们是应该用KL[p∣∣q]KL[p||q]
DL：RBM学习算法——Gibbs采样、变分方法、对比散度、模拟退火
RBM学习方法 当前在对RBM 的研究中，典型的学习方法有Gibbs 采样(Gibbs sampling)算法，变分近似方法(variational approach)，对比散度(contrastive divergence,CD)算法，模拟退火(simulate annealing) 算法等。下面对这些方法进行对比。 1、Gibbs采样算法 （1）简介 G
Jensen-Shannon散度（JS散度）
Jensen-Shannon散度是一种改进的、对称的概率分布相似性度量，能够有效克服KL散度的局限性。它具有非负性、对称性和有界性等良好性质，广泛应用于机器学习、自然语言处理、生物信息学和信息论等领域。JS散度的直观含义是通过比较两个分布与它们的中间分布的差异，来量化两个分布之间的相似性。
GAN的理论基础之KL散度与JS散度
在介绍KL散度和JS散度之前，我们需要了解什么是信息熵，什么是交叉熵。 香农信息量、信息熵 香农信息量用于刻画消除随机变量X在x处的不确定性所需的信息量的大小 当对数的底数为2时，香农信息量的单位为比特 香农信息量描述的是随机变量在某一点...
非技术区

7,776

社区成员

63,111

社区内容

发帖
与我相关
我的任务
社区描述
.NET技术 非技术区
社区管理员
  • 非技术区社区
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告
暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章