首页
AI Coding
NEW
沸点
课程
直播
活动
AI刷题
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
会员
登录
注册
jjyaoao
掘友等级
获得徽章 11
动态
文章
专栏
沸点
收藏集
关注
作品
赞
125
文章 117
沸点 8
赞
125
返回
|
搜索文章
最新
热门
26.深入理解配分函数:机器学习的核心组件
对于无向图来说就需要根据它图中的最大团来写成一个因式分解的形式,无向图模型在局部并没有表现出是一个概率模型,在整体上才表现地是一个概率模型,由此我们也就遇到了配分函数。
25.洞悉AI:机器学习与深度学习的发展之路
本文章从从机器学习到深度学习、感知机到深度学习介绍了发展中部分具有深远影响的转折点,比较了机器学习与深度学习,后对非线性问题提供了三种解决方案。
4.深度剖析FastText:理论入门与实践指南
Fasttext源于2016年的论文《Bag of Tricks for Efficient Text Classification》,本篇将介绍Fasttext的相关概念、原理及用法。
24.谱聚类:一种超越K-means的聚类方法
从数据类型引入,当GMM与K-means无法解决的聚类任务出现时,我们的谱聚类就要大展身手了,他的方法是基于无向图的,能很好的把混杂在一起的数据区分开的方法。
23.2.探索概率图模型:全面总结与深入解析
回顾之前的文章中介绍过的各种概率图模型,我们可以总结一些它们的规律和特点以便于能够整体地理解和把握概率图模型这一大类。
23.1.解开迷局:揭秘受限玻尔兹曼机的理论奥秘
受限玻尔兹曼机(Restricted Boltzmann Machine,RBM)是玻尔兹曼机的一种特殊形式,它在BM的基础上进行了限制。RBM与BM相比,更易于训练和推断,许多任务表现出色。
22.一文讲懂高斯过程回归
将⼀维高斯分布推广到多变量中就得到了高斯网络,将多变量推广到无限维,就得到了高斯过程。高斯过程是定义在连续域(时间/空间)上的无限多个高斯随机变量所组成的随机过程。
21.从贝叶斯角度解析线性回归
本文首先介绍了线性回归的基本概念,其次从贝叶斯派的角度证明线性回归方法的正确性,是对回归问题的一种补充。
20.高斯网络:理论基础与详解
高斯网络是一种概率图模型,对于普通的概率图模型,其随机变量的概率分布是离散的,而高斯网络的概率分布是连续的高斯分布。为此我们从马尔科夫网络与贝叶斯网络两个角度来介绍高斯网络。
19.条件随机场:一次全面的理论解析
从HMM与MEMM引入条件随机场,并且介绍了CRF的概率密度函数以及其向量形式,通过参数估计与推断,解决了求边缘概率与参数估计等问题。
下一页
个人成就
文章被点赞
262
文章被阅读
31,565
掘力值
1,229
关注了
7
关注者
44
收藏集
0
关注标签
6
加入于
2022-12-17