【散分的帖】

soli11722984 2011-03-25 08:38:34
今天是在这个位置上最后一个周五散分了

下周五就从这个杯具跳去另一个杯具去。。。。。。。

28号还是能正常结贴的……
...全文
137 17 打赏 收藏 举报
写回复
用AI写文章
17 条回复
切换为时间正序
请发表友善的回复…
发表回复
D314123499 2011-03-25
  • 打赏
  • 举报
 回复
疯狂椰子 2011-03-25
  • 打赏
  • 举报
 回复
接分.....
zn85600301 2011-03-25
  • 打赏
  • 举报
 回复
离得不远 good luck
soli11722984 2011-03-25
  • 打赏
  • 举报
 回复
[Quote=引用 6 楼 hpjianhua 的回复:]

在哪个省杯具呢？楼主
[/Quote]

广东省
广州市
uastation 2011-03-25
  • 打赏
  • 举报
 回复
在哪个省杯具呢？楼主
uastation 2011-03-25
  • 打赏
  • 举报
 回复
５楼收了
uastation 2011-03-25
  • 打赏
  • 举报
 回复
哈哈，我还是要了你的顶楼
soli11722984 2011-03-25
  • 打赏
  • 举报
 回复
3楼要了
soli11722984 2011-03-25
  • 打赏
  • 举报
 回复
2楼要了
soli11722984 2011-03-25
  • 打赏
  • 举报
 回复
1楼要了
小蝸牛 2011-03-25
  • 打赏
  • 举报
 回复
QQ371496669 2011-03-25
  • 打赏
  • 举报
 回复
一人一分
潘少博 2011-03-25
  • 打赏
  • 举报
 回复
我看到的好像是20？
soli11722984 2011-03-25
  • 打赏
  • 举报
 回复
下班前。。。。。。。。。。。。。。。。

人工置顶一下
xchh1220 2011-03-25
  • 打赏
  • 举报
 回复
接分。
duan 2011-03-25
  • 打赏
  • 举报
 回复
呵呵呵，LZ怎样杯具了啊？？？
soli11722984 2011-03-25
  • 打赏
  • 举报
 回复
为啥300分的帖子那么多人回，这个200的就没几个。。。。。。。
csdn论坛技术区平均给分功能
 看论坛里技术区没有平均给分的功能，感觉散分很不方便，就写了一个：IE8,FF3.5下测试ok1每人平均给分(重复回复的只给一次分)：javascript:var t=function(tag,s) { return (s ||document).getElementsByTagName(tag);};var n=function(name){return document.getElemen
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。
黄庭坚《诸上座帖》临创心得——文档
不仅如此，通过对黄庭坚的《诸上座帖》 中“整散”关系的赏析也可以看出，黄庭坚草书有一些与怀素草书相似的地方， 黄庭坚的“整” “散” 两种创作手法就是在怀素的基础上融入了明显的个人风格。在黄庭坚草书《诸上座帖》中不难发现穿插的表现形式，如图3-1所示，以帖中的“也”与“审”两个字为例进行赏析，认真观察可以发现“也”字在整体笔画中的两竖与“审”字的一竖都是从整体结构中的虚处下笔，从而想要表达的就是竖的笔画能够灵活巧妙地穿插在字体的整体结构之中的效果。“顿挫” 则是采取反复逆势手法而达到的一种效果[14]
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]
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

23,404

社区成员

70,506

社区内容

发帖
与我相关
我的任务
社区描述
Java 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