社区
非技术版
帖子详情
很久没来了,散个分吧....
Sharon_liu
2011-03-30 01:30:32
RT...
不知道还有多少人记得我,呵呵
...全文
494
68
打赏
收藏
很久没来了,散个分吧....
RT... 不知道还有多少人记得我,呵呵
复制链接
扫一扫
分享
举报
写回复
配置赞助广告
用AI写文章
68 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
Sharon_liu
2011-04-04
打赏
举报
回复
[Quote=引用 67 楼 ivorytower 的回复:]
小妞好。很久不见。甚是想念。
[/Quote]
娜娜好!!!!
zhongweng
2011-04-02
打赏
举报
回复
新人报道啊 ....... 说的是我
Dogfish
2011-04-02
打赏
举报
回复
进来接分的。谢谢!
corain77
2011-04-02
打赏
举报
回复
接分来了~~~
ziyan688999
2011-04-02
打赏
举报
回复
记得记得。
a4562834
2011-04-02
打赏
举报
回复
来,接住
不姓贾_请叫我甄先生
2011-04-02
打赏
举报
回复
小妞好。很久不见。甚是想念。
chuifengde
2011-04-02
打赏
举报
回复
我不但记得你,我还。。。。过你。
chenjy2011
2011-04-02
打赏
举报
回复
接分,大哥给点
coderun
2011-04-02
打赏
举报
回复
vcrun
2011-04-02
打赏
举报
回复
masword
2011-04-01
打赏
举报
回复
接分了
obuntu
2011-04-01
打赏
举报
回复
妞,还欠你钱。
ndzj981479673
2011-04-01
打赏
举报
回复
记不得不要紧,有分就行~~~~
hao1hao2hao3
2011-04-01
打赏
举报
回复
[Quote=引用 52 楼 xiaomeixiang 的回复:]
小妞
[/Quote]
不知道我可不可以这样。
小妞好!
xiaomeixiang
2011-04-01
打赏
举报
回复
小妞
qiqittjj
2011-03-31
打赏
举报
回复
好久没来了,接个分!!!!
蓝色风影
2011-03-31
打赏
举报
回复
你不就是传说的那个散分的人嘛
水族杰纶
2011-03-31
打赏
举报
回复
[Quote=引用 45 楼 happyflystone 的回复:]
论坛签名======================================================================
Sharon_liu:你好!
截至 2011-03-30 13:30:32 前:
你已发帖 43 个, 未结贴 2 个;
结贴率为: 95.35%
[/Quote]
-狙击手-
2011-03-31
打赏
举报
回复
论坛签名======================================================================
Sharon_liu:你好!
截至 2011-03-30 13:30:32 前:
你已发帖 43 个, 未结贴
2
个;
结贴率为:
95.35%
加载更多回复(45)
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)]=∫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。
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...
非技术版
11,847
社区成员
33,667
社区内容
发帖
与我相关
我的任务
非技术版
MS-SQL Server 非技术版
复制链接
扫一扫
分享
社区描述
MS-SQL Server 非技术版
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