好久没来了，散分！

wxsan 2010-06-25 08:58:04
最近半年一直比较忙，今天看看可用分不少，还是散了吧！顺便问一下，兄弟们应该都不错吧！
...全文
375 49 打赏 收藏 举报
写回复
用AI写文章
49 条回复
切换为时间正序
请发表友善的回复…
发表回复
easy007 2010-08-26
  • 打赏
  • 举报
 回复
接分。呵呵。
zzulibin 2010-07-15
  • 打赏
  • 举报
 回复
我喜欢。。。。。。。
diablobaal 2010-07-15
  • 打赏
  • 举报
 回复
接分了，谢谢
ye091032 2010-07-15
  • 打赏
  • 举报
 回复
积分
tobat 2010-07-07
  • 打赏
  • 举报
 回复
有散来接
yiweidianzi 2010-07-07
  • 打赏
  • 举报
 回复
http://topic.csdn.net/u/20100707/16/f4db6810-2754-438f-8010-ed53b5325ce8.html

大侠们 帮忙看下这个帖子吧 FastReport报表控件的问题 谢谢
酣酣 2010-07-07
  • 打赏
  • 举报
 回复
俺也来接分
lt42287949 2010-07-07
  • 打赏
  • 举报
 回复
0.000000000000000000000000000
w95927w 2010-07-07
  • 打赏
  • 举报
 回复
接分分
kaikai_kk 2010-06-28
  • 打赏
  • 举报
 回复
jf..
goldqq 2010-06-28
  • 打赏
  • 举报
 回复
加油！
varick_zhong 2010-06-28
  • 打赏
  • 举报
 回复
接分赌球去
apojimy 2010-06-28
  • 打赏
  • 举报
 回复
我也来凑热闹
qkhhxkj102 2010-06-28
  • 打赏
  • 举报
 回复
接分，接分了。
SQLDebug_Fan 2010-06-28
  • 打赏
  • 举报
 回复
来迟了
a124819202 2010-06-28
  • 打赏
  • 举报
 回复
不姓贾_请叫我甄先生 2010-06-28
  • 打赏
  • 举报
 回复
jf..
浮生若梦_平淡为真 2010-06-27
  • 打赏
  • 举报
 回复
每天回帖即可获得10分可用分！
cxxer 2010-06-27
  • 打赏
  • 举报
 回复
接分啊。
shcxd001 2010-06-27
  • 打赏
  • 举报
 回复
还不错 大哥你呢
加载更多回复（29）
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
GAN的理论基础之KL散度与JS散度
在介绍KL散度和JS散度之前，我们需要了解什么是信息熵，什么是交叉熵。 香农信息量、信息熵 香农信息量用于刻画消除随机变量X在x处的不确定性所需的信息量的大小 当对数的底数为2时，香农信息量的单位为比特 香农信息量描述的是随机变量在某一点...
非技术区

830

社区成员

53,568

社区内容

发帖
与我相关
我的任务
社区描述
Delphi 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