好久没来了，散分 :)

bzszp 2009-03-13 01:27:17

RT

...全文

306 42 打赏收藏转发到动态举报

写回复

42 条回复

切换为时间正序

请发表友善的回复…

发表回复

xuqunying0545 2009-03-13

打赏
举报

回复

接分

bzszp 2009-03-13

打赏
举报

回复

[Quote=引用 36 楼 linzhangs 的回复:]
哇哇哇
传说中的oracle板老大。五星闪耀哇。
来晚了，见版主一面不容易哇。
同事魔道中人，哈哈！
[/Quote]
还是你的剑圣厉害！

bzszp 2009-03-13

打赏
举报

回复

[Quote=引用 36 楼 linzhangs 的回复:]
哇哇哇
传说中的oracle板老大。五星闪耀哇。
来晚了，见版主一面不容易哇。
同事魔道中人，哈哈！
[/Quote]
还是你的剑圣厉害！

qwx312347236 2009-03-13

打赏
举报

回复

up

Raul_Gonzalez 2009-03-13

打赏
举报

回复

原来高人都是深藏不露啊

jdsnhan 2009-03-13

打赏
举报

回复

[Quote=引用 29 楼 bzszp 的回复:]
引用 27 楼 jdsnhan 的回复:
如果不是csdn的管理员联系你，估计你还不上线呢。

果然聪明！
不过偶Oracle水平一般的很，现在几乎跟初学者差不多了呵呵

我玩过一阵魔兽，但水平一直上不去哈
[/Quote]

不是聪明，我也被csdn的管理员催了，我同样疏忽于PB版，哈哈。

范佩西_11 2009-03-13

打赏
举报

回复

哇哇哇

传说中的oracle板老大。五星闪耀哇。
来晚了，见版主一面不容易哇。
同事魔道中人，哈哈！

buffon1260 2009-03-13

打赏
举报

回复

咱们ORACLE的版主终于出现了，可喜可贺啊

happydaisy1985 2009-03-13

打赏
举报

回复

等你结贴给分呢，呵呵！

hanks_gao 2009-03-13

打赏
举报

回复

新來的，多關照！

Andy__Huang 2009-03-13

打赏
举报

回复

[Quote=引用 31 楼 xiaoxiao1984 的回复:]
引用 29 楼 bzszp 的回复:
引用 27 楼 jdsnhan 的回复:
如果不是csdn的管理员联系你，估计你还不上线呢。

果然聪明！
不过偶Oracle水平一般的很，现在几乎跟初学者差不多了呵呵

我玩过一阵魔兽，但水平一直上不去哈

似乎第一次看见版主上线
赶紧来看热闹
[/Quote]

我是第一次看到版主上线的!

xiaoxiao1984 2009-03-13

打赏
举报

回复

[Quote=引用 29 楼 bzszp 的回复:]
引用 27 楼 jdsnhan 的回复:
如果不是csdn的管理员联系你，估计你还不上线呢。

果然聪明！
不过偶Oracle水平一般的很，现在几乎跟初学者差不多了呵呵

我玩过一阵魔兽，但水平一直上不去哈
[/Quote]

似乎第一次看见版主上线
赶紧来看热闹

哈哈哈哈哈擦擦擦 2009-03-13

打赏
举报

回复

JF

bzszp 2009-03-13

打赏
举报

回复

[Quote=引用 27 楼 jdsnhan 的回复:]
如果不是csdn的管理员联系你，估计你还不上线呢。
[/Quote]
果然聪明！
不过偶Oracle水平一般的很，现在几乎跟初学者差不多了呵呵

我玩过一阵魔兽，但水平一直上不去哈

cool_hnu 2009-03-13

打赏
举报

回复

哇，原来是版主啊。

jdsnhan 2009-03-13

打赏
举报

回复

[Quote=引用 10 楼 bzszp 的回复:]
呵呵，真是对不起大家，我还以为早就把我撤掉了呢，马上应该就会有新版主了。
好多新面孔啊 :)
[/Quote]

如果不是csdn的管理员联系你，估计你还不上线呢。

yerdi 2009-03-13

打赏
举报

回复

我顶顶顶

傻儿哥 2009-03-13

打赏
举报

回复

接分呵呵

lium_c 2009-03-13

打赏
举报

回复

不会魔兽.....来个MK头像

mengweilil 2009-03-13

打赏
举报

回复

接分

加载更多回复（21）

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。

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

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)]=∫xp(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。

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

1,619

社区成员

5,564

社区内容

发帖

与我相关

我的任务

社区管理员

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