那抹阳光1994

摘要： 介绍一个EM算法的应用例子：高斯混合模型参数估计。 高斯混合模型 高斯混合模型（Gaussian Mixture Model， GMM）是由多个高斯分布组成的模型，其密度函数为多个高斯密度函数的加权组合。 这里考虑一维的情况。假设样本 x是从 K 个高斯分布中生成的。每个高斯分布为 其中 µk 和 阅读全文

摘要： 概率图模型学习问题 图模型的学习可以分为两部分： 一是网络结构学习，即寻找最优的网络结构。网络结构学习一般比较困难，一般是由领域专家来构建。 二是网络参数估计，即已知网络结构，估计每个条件概率分布的参数。 不含隐变量的参数估计 如果图模型中不包含隐变量，即所有变量都是可观测的，那么网络参数一般可以直 阅读全文

摘要： 采样法（Sampling Method）是通过模拟的方式来采集符合某个分布 p(x)的一些样本，并通过这些样本来估计和这个分布有关的运算，比如期望等。 采样法（Sampling Method），也叫蒙特卡罗方法（Monte Carlo Method）或统计模拟方法 。 蒙特卡罗方法 拒绝采样 重要性 阅读全文

摘要： 概率图模型 概率图模型（Probabilistic Graphical Model，PGM），简称图模型（Graphical Model， GM），是指一种用图结构来描述多元随机变量之间条件独立关系的概率模型， 从而给研究高维空间中的概率模型带来了很大的便捷性。 高维随机变量的联合概率为高维空间中的 阅读全文

摘要： 1. 深层网络的贪婪逐层预训练方法由Bengio等人在2007年提出，是一种重要的深度神经网络参数初始化和预训练方法。 2. 同时它也是一种堆叠自编码器，对于很多数据来说，仅使用两层神经网络的自编码器还不足以获取一种好的数据表示。为了获取更好的数据表示，我们可以使用更深层的神经网络。 深层神经网络作 阅读全文

摘要： 好文配好图，结合我的科研实践和身边研究人员的使用频率，极力给小伙伴们推荐Inkscape用于矢量图编辑。让你得心应手画图，告别“科研能力强，配图能力弱”的窘境。 一、Inkscape 简介 Inkscape是一款专业的矢量图编辑工具，功能就像 CorelDRAW 或 Illustrator，可运行在 阅读全文

摘要： numpy数组求累加和 numpy.cumsum(a, axis=None, dtype=None, out=None) 按照所给定的轴参数返回元素的梯形累计和，axis=0，按照行累加。axis=1，按照列累加。axis不给定具体值，就把numpy数组当成一个一维数组。 >>> >>> a = n 阅读全文

摘要： 涉及的方法有下面几种： 拼接张量 torch.cat(seq, dim=0, out=None) → Tensor 在指定的维度dim上对序列seq进行连接操作。 参数： seq (sequence of Tensors) - Python序列或相同类型的张量序列 dim (int, optiona 阅读全文

摘要： 方法一 使用 np.c_[] 和 np.r_[] 分别添加行和列 方法二 np.concatenate((a1, a2, …), axis=0) 方法三 使用 np.insert(a, 0, values=b, axis=1) ps：只能插入行向量？ 方法四 使用np.column_stack((a 阅读全文

摘要： Pytorch的训练模式和测试模式切换 由于训练的时候Dropout和BN层起作用，每个batch BN层的参数不一样，dropout在训练时随机失效点具有随机性，所以训练和测试要区分开来。 使用时切记要根据实际情况切换： model.train()model.eval() 切记！！！！！！！！ 究 阅读全文