散分。。。

lizhaochai 2008-12-03 01:08:20
心情不好，真想去旅游！
找工作也找不到，人家给我的理由既然是：对不起，我们只要男生！
痛苦。。。。
...全文
228 32 打赏 收藏 举报
写回复
用AI写文章
32 条回复
切换为时间正序
请发表友善的回复…
发表回复
JackyNone 2008-12-04
  • 打赏
  • 举报
 回复
您太客气了。
lizhaochai 2008-12-03
  • 打赏
  • 举报
 回复
O(∩_∩)O哈哈~都是惯性思维啊，别拼了，上面只包含我的姓
lizhaochai 2008-12-03
  • 打赏
  • 举报
 回复
[Quote=引用 23 楼 backway 的回复:]
我们只要女生
[/Quote]
只要女生？:-)什么公司啊？什么职位啊？有这种事情？
LoadBalance 2008-12-03
  • 打赏
  • 举报
 回复
李妱钗？
bdshr 2008-12-03
  • 打赏
  • 举报
 回复
f
加油，一定找得到的
lizhaochai 2008-12-03
  • 打赏
  • 举报
 回复
[Quote=引用 17 楼 Vegertar 的回复:]
lizhaochai
李招财？汗......女生？
[/Quote]
O(∩_∩)O哈哈~不要乱拼好不好，那一定会是我的名字嘛？
O(∩_∩)O哈哈~李是姓没错！呵呵。。。
帅得不敢出门 2008-12-03
  • 打赏
  • 举报
 回复
你是要找什么职位啊???
不要灰心 继续努力.
csgdseed 2008-12-03
  • 打赏
  • 举报
 回复
祝福
jolly_ye 2008-12-03
  • 打赏
  • 举报
 回复
呵呵，想去旅游啊，也好，放松下，来我们这吧，山清水秀。

现在是脐橙的丰收季节，我可以带你去摘橙子。

backway 2008-12-03
  • 打赏
  • 举报
 回复
我们只要女生
jolly_ye 2008-12-03
  • 打赏
  • 举报
 回复
[Quote=引用 20 楼 rover12421 的回复:]
不会吧
女生应该比男生还好找才对啊
那什么公司，看来也就哪样啦
不去也罢。。。
[/Quote]
.
Claude 2008-12-03
  • 打赏
  • 举报
 回复
天道不公……
rover12421 2008-12-03
  • 打赏
  • 举报
 回复
不会吧
女生应该比男生还好找才对啊
那什么公司，看来也就哪样啦
不去也罢。。。
rover12421 2008-12-03
  • 打赏
  • 举报
 回复
不会吧
女生应该比男生还好找才对啊
那什么公司，看来也就哪样啦
不去也罢。。。
Non_Recursive 2008-12-03
  • 打赏
  • 举报
 回复
up
Vegertar 2008-12-03
  • 打赏
  • 举报
 回复
lizhaochai
李招财？汗......女生？
CA_HA_M 2008-12-03
  • 打赏
  • 举报
 回复
现在多数公司都这样
liaoweixiaoyu 2008-12-03
  • 打赏
  • 举报
 回复
男女搭配，干活不累啊， 公司没眼光
yangkunjie 2008-12-03
  • 打赏
  • 举报
 回复
李诗诗
xiaopoy 2008-12-03
  • 打赏
  • 举报
 回复
女孩啊，都是人而已。
纯接分帮顶
加载更多回复（12）
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]
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。
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
双目散斑结构光
双目散斑结构光介绍1、什么是散斑结构光2、为什么要用散斑结构光3、如何生成散斑图4、计算机模拟生成散斑图4.1 全域位置随机散斑4.2 局域位置随机散斑参考 1、什么是散斑结构光 散斑，也叫伪随机散斑，由一些白色斑点组成的一种结构光图案，是一种空间编码结构光，现在通常与双目立体匹配结合使用，增加纹理信息，改善弱纹理、重复纹理区域的视差效果。 2、为什么要用散斑结构光 结构光有很多种，就会问为什么要用散斑？ 那我们先来重温一下结构光的分类，结构光总共分为时间结构光和空间结构光两种。时间结构光按照时间序列对每个
非技术区

15,445

社区成员

58,111

社区内容

发帖
与我相关
我的任务
社区描述
C/C++ 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