社区
非技术区
帖子详情
散分
致知Fighting
2015-03-06 05:16:35
测试一下csdn的这个编辑器
...全文
405
20
打赏
收藏
散分
测试一下csdn的这个编辑器
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
20 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
致知Fighting
2015-03-12
打赏
举报
回复
引用 13 楼 u012724379 的回复:
Markdown感觉不好用,不知道是不是我不会用;
我关注的是这种编辑器的适配性,毕竟现在的设备分辨率多种多样,不是只有pc的
忘记呼吸
2015-03-12
打赏
举报
回复
来接
sayhiyang
2015-03-12
打赏
举报
回复
过来接分啦~~~
依然一叶
2015-03-12
打赏
举报
回复
接分。。。。
可里1
2015-03-12
打赏
举报
回复
Foxir
2015-03-11
打赏
举报
回复
抢占高地!!
-江沐风-
2015-03-11
打赏
举报
回复
是CSDN的这个Markdown;
-江沐风-
2015-03-11
打赏
举报
回复
Markdown感觉不好用,不知道是不是我不会用;
异常异长
2015-03-10
打赏
举报
回复
接个分先。。。。
致知Fighting
2015-03-10
打赏
举报
回复
引用 8 楼 huxiweng 的回复:
你是说Markdown?
呒知,没研究过编辑器
致知Fighting
2015-03-10
打赏
举报
回复
引用 1 楼 magi1201 的回复:
楼主 对那个新的编辑器不感兴趣
玩一下它这个编辑器,似乎都是生成带css的html,不过这种东西不太好做手机和各种尺寸的设备的适配啊,不科学
成功路上是非多
2015-03-10
打赏
举报
回复
新手报到都不知道说的是什么 先回复再说吧
teemai
2015-03-08
打赏
举报
回复
你是说Markdown?
程序员鼓励师
2015-03-08
打赏
举报
回复
朗晴
2015-03-08
打赏
举报
回复
接分!楼下继续。楼主给力
日知己所无
2015-03-07
打赏
举报
回复
接…………分
邹邹wl
2015-03-07
打赏
举报
回复
liu520817
2015-03-06
打赏
举报
回复
接分!楼下继续。楼主给力。
evangelionxb
2015-03-06
打赏
举报
回复
前排接分。 楼主给力。
姜小白-
2015-03-06
打赏
举报
回复
楼主 对那个新的编辑器不感兴趣
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,阐述变分自由能如何将难解的KL最小化转化为可优化的目标(ELBO)。涵盖坐标上升、自然梯度、重参数化等优化策略,并以LDA主题模型为实例展示变分分布设计、收敛判据及常见陷阱应对。最后介绍标准化流、随机变分推断和分布式实现等前沿技术。
非技术区
23,404
社区成员
70,512
社区内容
发帖
与我相关
我的任务
非技术区
Java 非技术区
复制链接
扫一扫
分享
社区描述
Java 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