社区
非技术区
帖子详情
[散分]嘎嘎嘎,啥时候俺成两三角了,俺怎么不知道呢,高兴散分!
五号智能
2008-07-05 03:23:21
多谢大家这一个多月对我的支持,让我从一个对C++一点也不懂的人,成为了一个对C++基础有了一定了解的人。
到现在我也能解决一些基本的问题了,升级便是见证!
今天高兴,所以散分!
再次感谢大家对我的教导!
...全文
256
28
打赏
收藏
[散分]嘎嘎嘎,啥时候俺成两三角了,俺怎么不知道呢,高兴散分!
多谢大家这一个多月对我的支持,让我从一个对C++一点也不懂的人,成为了一个对C++基础有了一定了解的人。 到现在我也能解决一些基本的问题了,升级便是见证! 今天高兴,所以散分! 再次感谢大家对我的教导!
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
28 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
GoAssemblyNow
2008-07-06
打赏
举报
回复
恭喜楼主,贺喜楼主,赏个分吧。
jacknes009
2008-07-05
打赏
举报
回复
[Quote=引用 1 楼 zgjxwl 的回复:]
支持楼主
[/Quote]
xhd3767
2008-07-05
打赏
举报
回复
顶楼主....
macfan
2008-07-05
打赏
举报
回复
gx
jf
HNLGDXYJS
2008-07-05
打赏
举报
回复
[Quote=引用 15 楼 icemine 的回复:]
祝贺
[/Quote]
cunsh
2008-07-05
打赏
举报
回复
mark
pueler
2008-07-05
打赏
举报
回复
up,恭喜恭喜。
caimps
2008-07-05
打赏
举报
回复
jf
继续
五号智能
2008-07-05
打赏
举报
回复
[Quote=引用 17 楼 zhongjx 的回复:]
这么谦虚,说不定就是高手!
[/Quote]
呵呵,让你误会了,我5月10日开始学习的c++,而且这是我第一个学习的编程语言。
到现在还有5天满两个月。虽然我学的很刻苦,但你想想,两个月的时间俺能学到啥。
也就是学会了一些基本的概念。基本的用法。给一些基本什么也不会的人说一些看法
K行天下
2008-07-05
打赏
举报
回复
jf
lyle3
2008-07-05
打赏
举报
回复
gx..
up..
up..
盖楼。。。
九十度黑
2008-07-05
打赏
举报
回复
这么谦虚,说不定就是高手!
shtianhai
2008-07-05
打赏
举报
回复
道贺!
冰矿
2008-07-05
打赏
举报
回复
祝贺
fallening
2008-07-05
打赏
举报
回复
[Quote=引用 3 楼 zgjxwl 的回复:]
恭喜楼主
[/Quote]
chlaws
2008-07-05
打赏
举报
回复
再接再厉,学无止尽
帅得不敢出门
2008-07-05
打赏
举报
回复
up
帅得不敢出门
2008-07-05
打赏
举报
回复
jf
gnidnuy
2008-07-05
打赏
举报
回复
支持楼主!
blice
2008-07-05
打赏
举报
回复
恭喜恭喜lg
加载更多回复(8)
GAN:
两
者分布不重合JS散度为log2的数学证明
引言: 不
知道
大家在初学GAN时,当遇到WGAN时,突然抛出一个结论:对于真实数据分布PrP_rPr和生成数据分布PgP_gPg,如果满足上述无法全维度重合的情况的话,则JSD(Pr∣∣Pg)=log2JSD(P_r||P_g)=\log2JSD(Pr∣∣Pg)=log2其实当初我刚接触这个结论时,还是挺疑惑的,不
知道
如何用数学证明。在思考了一会后,找到了一个合理的证明思路,如果有误,...
【OpenCV】角点检测:Harris角点及Shi-Tomasi角点检测
角点 特征检测与匹配是Computer Vision 应用总重要的一部分,这需要寻找图像之间的特征建立对应关系。点,也就是图像中的特殊位置,是很常用的一类特征,点的局部特征也可以叫做“关键特征点”(keypoint feature),或“兴趣点”(interest point),或“角点”(conrner)。 关于角点的具体描述可以有几种: 一阶导数(即灰度的梯度)的局部最大所对应的像素点;...
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。
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
随笔--学习系列--什么是电流角、控制角、相位超前角、内功率因数角、功率角、转矩角、功率因数角、转子初始角
近期对永磁电机中电流角、控制角、相位超前角、内功率因数角、功率角、转矩角、功率因数角、转子初始角等一系列角度的意义进行了学习与梳理。
非技术区
15,446
社区成员
58,112
社区内容
发帖
与我相关
我的任务
非技术区
C/C++ 非技术区
复制链接
扫一扫
分享
社区描述
C/C++ 非技术区
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