07 2015 档案

【转】参数估计;从最大似然到EM算法浅解

只有注册用户登录后才能阅读该文。

posted @ 2015-07-26 10:49 mo_wang 阅读(14) 评论(0) 推荐(0) 编辑

公告

昵称： mo_wang
园龄： 11年10个月
粉丝： 53
关注： 5

<

2025年3月

>

日

一

二

三

四

五

六

23

24

25

26

27

28

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

1

2

3

4

5

随笔分类 (464)

随笔档案 (182)

阅读排行榜

评论排行榜

推荐排行榜

最新评论

1. Re:【整理】深入理解拉格朗日乘子法（Lagrange Multiplier) 和KKT条件
讲的很好呀
--PrinceCokes
2. Re:【整理】深入理解拉格朗日乘子法（Lagrange Multiplier) 和KKT条件
@无敌大爆炸求极值应该是负梯度方向，确实是d1>d2...
--推轮子的西西弗斯
3. Re:【整理】深入理解拉格朗日乘子法（Lagrange Multiplier) 和KKT条件
等高图中应该是d2>d1吧，沿着梯度方向值应该是变大的吧
--无敌大爆炸
4. Re:【整理】深入理解拉格朗日乘子法（Lagrange Multiplier) 和KKT条件
@我的计算之路没有问题, 要想两项和取最小, 两项都取最小, 两项和也就取最小了, 有什么不对吗?...
--不燥不怕
5. Re:【整理】强化学习与MDP
写的很不错，但是我刚开始接触RL，在蒙特卡罗部分就开始掉链子了，多次在不同时间段阅读肯定会有越深的体会的。
--Go_now