社区
非技术类
帖子详情
今天升到五个角了,另专题开发升到三个角,高兴,散分
syy64
2004-07-19 08:41:44
自从7月1生四个角以来,抽了点时间答题,到今天又长一角,已到五个角了,高兴,散分,还望和诸位以后多多切磋。
...全文
456
101
打赏
收藏
今天升到五个角了,另专题开发升到三个角,高兴,散分
自从7月1生四个角以来,抽了点时间答题,到今天又长一角,已到五个角了,高兴,散分,还望和诸位以后多多切磋。
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
101 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
Hotthing
2004-07-23
打赏
举报
回复
恭喜恭喜
dreamy
2004-07-23
打赏
举报
回复
接
MY2000
2004-07-23
打赏
举报
回复
UP接分...
taianmonkey
2004-07-23
打赏
举报
回复
恭喜
NothingIsImpossible
2004-07-23
打赏
举报
回复
早啊! 接!
Summer1314
2004-07-23
打赏
举报
回复
接分
dongge2000
2004-07-23
打赏
举报
回复
大UP看看。
软件架构师何志丹
2004-07-23
打赏
举报
回复
恭喜楼主!
pcyy
2004-07-23
打赏
举报
回复
恭喜
Hotthing
2004-07-22
打赏
举报
回复
恭喜
恭喜
icetears
2004-07-22
打赏
举报
回复
gongxi!
wenyuzhang168
2004-07-22
打赏
举报
回复
恭喜恭喜
zhaogaojian
2004-07-22
打赏
举报
回复
TO:leesheng(小胜) 又是你?!
华昌001
2004-07-22
打赏
举报
回复
恭喜恭喜,顶
enoloo
2004-07-22
打赏
举报
回复
恭喜
NothingIsImpossible
2004-07-22
打赏
举报
回复
GX
syy64
2004-07-22
打赏
举报
回复
wfq771105(公子小白):是;
多学习。
steven198308
2004-07-22
打赏
举报
回复
祝贺楼主
wfq771105
2004-07-22
打赏
举报
回复
请问经常回答别人的问题是否提高地很快啊?!
介绍一下提高积分和提高水平的方法巴!
rensf
2004-07-22
打赏
举报
回复
还没结?
加载更多回复(81)
【OpenCV】
角
点检测:Harris
角
点及Shi-Tomasi
角
点检测
角
点 特征检测与匹配是Computer Vision 应用总重要的一部分,这需要寻找图像之间的特征建立对应关系。点,也就是图像中的特殊位置,是很常用的一类特征,点的局部特征也可以叫做“关键特征点”(keypoint feature),或“兴趣点”(interest point),或“
角
点”(conrner)。 关于
角
点的具体描述可以有几种: 一阶导数(即灰度的梯度)的局部最大所对应的像素点;...
永磁同步电机转子位置估算
专题
—— 基波模型与转子位置
角
永磁同步电机转子位置估算
专题
将作为一个系列来写,将永磁同步电机常用的电机位置估算法方法分解为若干子类,再逐个写具体原理。文章风格与其他文章一致,保持通俗易懂,又不失深度。 本篇为该
专题
的一个开题之作,先理解转子位置
角
指的什么
角
,并和数学模型联系起来。
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。
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
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]
非技术类
1,663
社区成员
58,948
社区内容
发帖
与我相关
我的任务
非技术类
VC/MFC 非技术类
复制链接
扫一扫
分享
社区描述
VC/MFC 非技术类
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