社区
Java
帖子详情
散分了。
凤影
2008-04-07 09:31:30
如果能给我一个对发布的java应用进行lisence控制的方法就更好了。
ps:本来想给分168,结果系统不让。
...全文
335
54
打赏
收藏
散分了。
如果能给我一个对发布的java应用进行lisence控制的方法就更好了。 ps:本来想给分168,结果系统不让。
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
54 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
zhurui9975
2008-07-26
打赏
举报
回复
友情顶
hengxxh
2008-04-15
打赏
举报
回复
该算帐了!哈哈
lispoy
2008-04-15
打赏
举报
回复
jf
KingNE
2008-04-15
打赏
举报
回复
jff
kevinchj
2008-04-15
打赏
举报
回复
才看到……
jf
qinqinhao
2008-04-15
打赏
举报
回复
jf
Cspider588
2008-04-15
打赏
举报
回复
只能帮顶了
Gump09
2008-04-15
打赏
举报
回复
顶一下
l_wenb
2008-04-15
打赏
举报
回复
要多点分数
l_wenb
2008-04-15
打赏
举报
回复
jf
l_wenb
2008-04-15
打赏
举报
回复
upup
l_wenb
2008-04-15
打赏
举报
回复
顶!!!
Shine_Panda
2008-04-15
打赏
举报
回复
顶一下
evoloyeu
2008-04-15
打赏
举报
回复
[Quote=引用 4 楼 pizzame 的回复:]
不熟悉,不过早前在csdn上收藏过一篇文章。刚才翻出来。lz自己看下是否是你需要的。
http://dev.csdn.net/article/81/81698.shtm
[/Quote]
evoloyeu
2008-04-14
打赏
举报
回复
[Quote=引用 4 楼 pizzame 的回复:]
不熟悉,不过早前在csdn上收藏过一篇文章。刚才翻出来。lz自己看下是否是你需要的。
http://dev.csdn.net/article/81/81698.shtm
[/Quote]
i_saw_you
2008-04-14
打赏
举报
回复
我还是顶一下
evoloyeu
2008-04-14
打赏
举报
回复
[Quote=引用 4 楼 pizzame 的回复:]
不熟悉,不过早前在csdn上收藏过一篇文章。刚才翻出来。lz自己看下是否是你需要的。
http://dev.csdn.net/article/81/81698.shtm
[/Quote]
evoloyeu
2008-04-14
打赏
举报
回复
[Quote=引用 4 楼 pizzame 的回复:]
不熟悉,不过早前在csdn上收藏过一篇文章。刚才翻出来。lz自己看下是否是你需要的。
http://dev.csdn.net/article/81/81698.shtm
[/Quote]
evoloyeu
2008-04-14
打赏
举报
回复
[Quote=引用 4 楼 pizzame 的回复:]
不熟悉,不过早前在csdn上收藏过一篇文章。刚才翻出来。lz自己看下是否是你需要的。
http://dev.csdn.net/article/81/81698.shtm
[/Quote]
evoloyeu
2008-04-14
打赏
举报
回复
[Quote=引用 4 楼 pizzame 的回复:]
不熟悉,不过早前在csdn上收藏过一篇文章。刚才翻出来。lz自己看下是否是你需要的。
http://dev.csdn.net/article/81/81698.shtm
[/Quote]
加载更多回复(34)
变分贝叶斯估计:KL散度及变分自由能
本文详细介绍了KL散度在变分贝叶斯中的作用,包括其定义、性质以及在度量近似后验分布与真实后验分布差异的应用。重点阐述了变分推断中的变分自由能概念,以及它与最大化证据下界的关联,强调了在优化过程中的策略和目标。,
DL:RBM学习算法——Gibbs采样、变分方法、对比散度、模拟退火
本文介绍了RBM学习算法,包括Gibbs采样、变分方法、对比散度和模拟退火等关键方法。Gibbs采样是一种基于马尔科夫链的采样技术,变分方法通过变分优化解决概率推理问题,对比散度简化了RBM学习过程,而模拟退火算法则是一种通用的优化策略,用于避免局部最优。
71、基于KL散度的变分边界与相关近似方法
本文介绍了基于KL散度的变分边界方法及相关近似技术,重点讨论了平均场理论、异步更新机制、结构化变分近似以及在机器人控制和信息最大化中的应用。通过分析复杂分布的近似方式,提出了多种优化策略,并探讨了不同方法间的联系与优势。
变分预备知识 - KL散度
本文深入解析KL散度的两种形式,探讨在p(x)概率密度大的地方,如何通过调整q(x)来减小KL值,避免在变分推导过程中出现局部极值点的问题。
变分贝叶斯推断实战:从KL散度到变分自由能的优化路径
本文系统讲解变分贝叶斯推断的核心原理与工程实践,重点剖析KL散度的非对称性及其在近似后验中的作用,阐述变分自由能与ELBO的等价关系及优化策略,并以LDA主题模型为例展示坐标上升法、随机变分推断(SVI)等关键技术。同时涵盖多模态分布建模、数值稳定性处理及正态化流等现代扩展方法。
Java
51,408
社区成员
86,091
社区内容
发帖
与我相关
我的任务
Java
Java相关技术讨论
复制链接
扫一扫
分享
社区描述
Java相关技术讨论
java
spring boot
spring cloud
技术论坛(原bbs)
社区管理员
加入社区
获取链接或二维码
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