刚把自己卖了，散分。

hao123java 2006-07-26 08:55:49
小弟在北京,工作时间1年，J2EE开发,刚跟公司签了卖身契约。

待遇4K(税前), 感觉有点低:(
...全文
399 47 打赏 收藏 转发到动态 举报
写回复
用AI写文章
47 条回复
切换为时间正序
请发表友善的回复…
发表回复
fishyqd 2006-07-28
  • 打赏
  • 举报
 回复
恭喜
catastrophe 2006-07-28
  • 打赏
  • 举报
 回复
JF
软若石 2006-07-28
  • 打赏
  • 举报
 回复
应该是把自己租出去了。
zen 2006-07-27
  • 打赏
  • 举报
 回复
好好干，接分！
For_suzhen 2006-07-27
  • 打赏
  • 举报
 回复
恭喜，恭喜，接分
hmj 2006-07-27
  • 打赏
  • 举报
 回复
楼主好运！
jf啦^_^
W_Cracker 2006-07-27
  • 打赏
  • 举报
 回复
jjjj
TinyJimmy 2006-07-27
  • 打赏
  • 举报
 回复
工资低不要紧, 努力提高自己的能力, 自然就高了
Puras 2006-07-27
  • 打赏
  • 举报
 回复
一个月前签了三年的......
zunshanke2004 2006-07-27
  • 打赏
  • 举报
 回复
恭喜楼主！
zghmu007 2006-07-27
  • 打赏
  • 举报
 回复
jf
miaoliujun 2006-07-27
  • 打赏
  • 举报
 回复
是低了点
但时间会让你高起来的
pest1999 2006-07-27
  • 打赏
  • 举报
 回复
越老越值钱，再干一年肯定值钱
潜力股
恭喜了
OnlyFor_love 2006-07-27
  • 打赏
  • 举报
 回复
~~●█〓██▄▄▄▄▄▄ ●●●●●●
▄▅██████▅▄▃▂
██████████████
◥⊙▲⊙▲⊙▲⊙▲⊙▲⊙▲

嘟、嘟、嘟、嘟，借光借光啦，老婆叫我来灌水。
===========================================
hao123java 2006-07-27
  • 打赏
  • 举报
 回复
up
hao123java 2006-07-27
  • 打赏
  • 举报
 回复
up
hao123java 2006-07-27
  • 打赏
  • 举报
 回复
谢谢各位的指点，继续指教阿，周末结帖
chszs 2006-07-27
  • 打赏
  • 举报
 回复
没关系，再干一年，你肯定5k到6k
haisenmai 2006-07-27
  • 打赏
  • 举报
 回复
jf
ray_1981 2006-07-27
  • 打赏
  • 举报
 回复
就为JF
加载更多回复（27）
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)]=∫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。
双目散斑结构光
双目散斑结构光介绍1、什么是散斑结构光2、为什么要用散斑结构光3、如何生成散斑图4、计算机模拟生成散斑图4.1 全域位置随机散斑4.2 局域位置随机散斑参考 1、什么是散斑结构光 散斑，也叫伪随机散斑，由一些白色斑点组成的一种结构光图案，是一种空间编码结构光，现在通常与双目立体匹配结合使用，增加纹理信息，改善弱纹理、重复纹理区域的视差效果。 2、为什么要用散斑结构光 结构光有很多种，就会问为什么要用散斑？ 那我们先来重温一下结构光的分类，结构光总共分为时间结构光和空间结构光两种。时间结构光按照时间序列对每个
非技术区

23,404

社区成员

70,511

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