社区
非技术区
帖子详情
散分...
tkscascor
2009-12-07 03:07:21
`
...全文
177
31
打赏
收藏
散分...
`
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
31 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
tkscascor
2009-12-07
打赏
举报
回复
````` 下班, 揭帖!
kurorolove
2009-12-07
打赏
举报
回复
jf
SK_Aqi
2009-12-07
打赏
举报
回复
jf
tkscascor
2009-12-07
打赏
举报
回复
[Quote=引用 28 楼 hrabeyond 的回复:]
捐你500...我也没多少了....菜鸟可都指这个活呢.....
希望某天RP大爆发,押宝中个500W之类的
[/Quote]
囧, 太感动了, 就差以身相许了... 记得中个500w 分我一半
手抓宝
2009-12-07
打赏
举报
回复
捐你500...我也没多少了....菜鸟可都指这个活呢.....
希望某天RP大爆发,押宝中个500W之类的
tkscascor
2009-12-07
打赏
举报
回复
[Quote=引用 26 楼 hrabeyond 的回复:]
引用 18 楼 tkascor 的回复:
引用 15 楼 hrabeyond 的回复:
猪头,就这点分?
没分了,,,,, csdn 怎么挣可用分啊. 除了押宝以外的?
妞~给大爷乐个~大爷捐你分~~~~嘎嘎嘎~~~~
[/Quote]
``````
手抓宝
2009-12-07
打赏
举报
回复
[Quote=引用 18 楼 tkascor 的回复:]
引用 15 楼 hrabeyond 的回复:
猪头,就这点分?
没分了,,,,, csdn 怎么挣可用分啊. 除了押宝以外的?
[/Quote]
妞~给大爷乐个~大爷捐你分~~~~嘎嘎嘎~~~~
md198687
2009-12-07
打赏
举报
回复
(⊙o⊙)哦
xupeihuagudulei
2009-12-07
打赏
举报
回复
蹭个。
我也没分了
基本上都是押宝来的那些富豪
我已经问很多人要过分了。
nosuchtracter
2009-12-07
打赏
举报
回复
咋没理由?
wodeziyou111
2009-12-07
打赏
举报
回复
路过
loveshuifang
2009-12-07
打赏
举报
回复
tkscascor
2009-12-07
打赏
举报
回复
话说, 这154分是我全部家当勒!!
tkscascor
2009-12-07
打赏
举报
回复
[Quote=引用 15 楼 hrabeyond 的回复:]
猪头,就这点分?
[/Quote]
没分了,,,,, csdn 怎么挣可用分啊. 除了押宝以外的?
ximengchang
2009-12-07
打赏
举报
回复
jf
十八道胡同
2009-12-07
打赏
举报
回复
路过。。
手抓宝
2009-12-07
打赏
举报
回复
猪头,就这点分?
tkscascor
2009-12-07
打赏
举报
回复
[Quote=引用 12 楼 zengfanxing 的回复:]
引用 10 楼 tkascor 的回复:
引用 8 楼 zengfanxing 的回复:
引用 7 楼 tkascor 的回复:
... 咖啡貌似也挺闲的, 一天到晚都看到你了!
不嫌..工作压力大死了。
... 我闲到蛋疼.
真好
[/Quote]
不好, 写了几个星期的文档, 人都写傻了.
咖啡, 是哪里人?
xwdd129
2009-12-07
打赏
举报
回复
JF
红街咖啡
2009-12-07
打赏
举报
回复
[Quote=引用 10 楼 tkascor 的回复:]
引用 8 楼 zengfanxing 的回复:
引用 7 楼 tkascor 的回复:
... 咖啡貌似也挺闲的, 一天到晚都看到你了!
不嫌..工作压力大死了。
... 我闲到蛋疼.
[/Quote]
真好
加载更多回复(11)
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。
非技术区
7,776
社区成员
63,113
社区内容
发帖
与我相关
我的任务
非技术区
.NET技术 非技术区
复制链接
扫一扫
分享
社区描述
.NET技术 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