社区
非技术区
帖子详情
节过散分
小灰狼W
2009-08-27 08:56:19
刚过完情人节的各位,还有把情人节当光棍节过的同志们,早上好
早上的论坛太冷清,无聊的进来灌水
来论坛不久,很喜欢这个地方。帮助别人,同时自己也得到更高效率的学习
本来是找coung论坛的邀请码误入csdn,不小心在这里安家
需要coung论坛邀请码的新人别再发帖找了,自己发邮件申请
详情见
http://www.oracle.com.cn/viewthread.php?tid=141537&extra=&page=1
...全文
312
34
打赏
收藏
节过散分
刚过完情人节的各位,还有把情人节当光棍节过的同志们,早上好 早上的论坛太冷清,无聊的进来灌水 来论坛不久,很喜欢这个地方。帮助别人,同时自己也得到更高效率的学习 本来是找coung论坛的邀请码误入csdn,不小心在这里安家 需要coung论坛邀请码的新人别再发帖找了,自己发邮件申请 详情见 http://www.oracle.com.cn/viewthread.php?tid=141537&extra=&page=1
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
34 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
laoban108
2009-08-31
打赏
举报
回复
ding
又是违规昵称
2009-08-28
打赏
举报
回复
接分呵呵,楼主情人节过得有意思
hebo2005
2009-08-27
打赏
举报
回复
路过参与
呦呦
2009-08-27
打赏
举报
回复
楼主,啥时候结帖呀?俺等的肚子都饿了..呜
jerryhrj
2009-08-27
打赏
举报
回复
接了。
xiaozejun
2009-08-27
打赏
举报
回复
我来接分啊
山书生
2009-08-27
打赏
举报
回复
jf:::)
cd_yuxueming
2009-08-27
打赏
举报
回复
我接我接
fxianxian
2009-08-27
打赏
举报
回复
接分中
lkyusst
2009-08-27
打赏
举报
回复
我来接
lkyusst
2009-08-27
打赏
举报
回复
当然要感谢
zzzzzyyy
2009-08-27
打赏
举报
回复
谢谢楼主大哥,看过楼主大哥回复的技术贴子,高人也!拜了!
ojuju10
2009-08-27
打赏
举报
回复
飘过,接分
majy
2009-08-27
打赏
举报
回复
不错
shiyiwan
2009-08-27
打赏
举报
回复
当然要支持
非萨范德萨发
2009-08-27
打赏
举报
回复
好多天没来了。接分~~~
tiancx82
2009-08-27
打赏
举报
回复
接风
viviandan927
2009-08-27
打赏
举报
回复
来了..
呦呦
2009-08-27
打赏
举报
回复
JF
小灰狼W
2009-08-27
打赏
举报
回复
[Quote=引用 2 楼 tianlesoftware 的回复:]
呵呵,我也刚注册了个...楼主真热心呀..
昨天下班就闪人了,和女友出去玩,连车都打不到,郁闷呀,平时车挺多的呀...
[/Quote]
昨天人是特别多,下班回家一路堵车,司机憋了一肚子气,按了一路喇叭
到了车少的路段突然飙车,吓死了
晚上带上表弟去电子游戏厅过节
加载更多回复(14)
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
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)]=∫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(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。
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
1,619
社区成员
5,564
社区内容
发帖
与我相关
我的任务
非技术区
Oracle 非技术区
复制链接
扫一扫
分享
社区描述
Oracle 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