發(fā)簡信
IP屬地：北京
-
GNN筆記1-3——圖信號處理
圖和圖移位算子 圖被定義為三元組集合： ： 節(jié)點 ： 表示 個不同 label 的集合运授； 邊 ：有序?qū)? 表示 可以影響 乔煞； 權(quán)重...
-
隱馬爾可夫模型
隱馬爾可夫模型(HMM) 設(shè) 表示隱狀態(tài)序列吁朦， 表示觀測狀態(tài)序列渡贾， 表示觀測狀態(tài)集逗宜， 表示隱狀態(tài)集合。定義 表示隱狀態(tài)轉(zhuǎn)移概率矩陣， 表...
-
GAN生成對抗網(wǎng)絡(luò)(一)GAN GAN(Generative Adversarial Networks)是兩個網(wǎng)絡(luò)的的組合， 一個網(wǎng)絡(luò)生成模擬數(shù)據(jù)熬甚， 另一個網(wǎng)絡(luò)判斷生成...
-
變分自編碼Variational Auto-Encoders自編碼Auto-Encoders 自編碼(Auto-Encoders)是非監(jiān)督學(xué)習(xí)領(lǐng)域中的一種， 可以自動從無標(biāo)注的數(shù)據(jù)中學(xué)習(xí)特征乡括， 是一種以重...
-
模式識別與機器學(xué)習(xí)(三)——高斯分布基礎(chǔ)1.2中 高斯分布基礎(chǔ) 高斯分布是概率論中最常用的概率分布之一，其概率密度函數(shù)如下高斯分布由兩個參數(shù)控制粟判，其中 是均值亿昏， 是方差。 稱為標(biāo)準(zhǔn)差...
-
模式識別與機器學(xué)習(xí)(二)——概率論基礎(chǔ)角钩、頻率派與貝葉斯派1.2上 概率論基礎(chǔ) 概率論是整個模式識別與機器學(xué)習(xí)的基礎(chǔ)呻澜，本節(jié)對應(yīng)PRML書1.2節(jié)的概率部分递礼，以后不再單獨說明。 求和法則與乘法法則 假設(shè)有...
-
模式識別與機器學(xué)習(xí)(一)——緒論脊髓、多項式擬合例子1.1 緒論 內(nèi)容對應(yīng)PRML書1.1節(jié)部分。 多項式擬合例子 在這個例子中栅受，假設(shè)我們有兩個變量将硝，它們滿足如下關(guān)系：其中是一個均值為、標(biāo)準(zhǔn)差為的...
-
不一樣的二叉樹非遞歸遍歷
本篇將討論模擬系統(tǒng)棧的二叉樹非遞歸遍歷依疼，并由此討論一般化的將遞歸程序改為非遞歸程序的方式而芥。 二叉樹的非遞歸遍歷 就以中序遍歷為例律罢，下面是大家都熟...
-
二分圖匹配和匈牙利算法內(nèi)容概要： 最大流算法解決二分圖最大匹配 匈牙利算法 LeetCode上一個困難問題：覆蓋 匹配問題相關(guān)概念 該類問題的前提是圖為二分圖棍丐。關(guān)于二...