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
龙宁
掘友等级
自学前端中 && 实习中
获得徽章 1
动态
文章
专栏
沸点
收藏集
关注
作品
赞
52
文章 52
沸点 0
赞
52
返回
|
搜索文章
赞
文章( 52 )
沸点( 0 )
前端面试必会网络之跨域问题解决
浏览器有一个重要的同源策略,源=协议+主机+端口 大部分的跨域问题,都是通过代理解决的 要实现JSONP,需要浏览器和服务器配合 CORS:如果浏览器要跨域访问服务器资源,需要服务器允许
历史中第一个网页
JS 为什么有很多让人抓狂的特性? JavaScript 到底和 Java 有什么关系? JS 是谁发明的? JS 的发明只用了一周? 互联网厂商的爱恨情仇?(bushi) ... 了解 Js 的曾经
王爽汇编语言学习(一)
学习王爽老师的汇编语言之一。为了做实验一,先提供了相关文件的下载方式,以及讲述需要用到的 debug 命令以及其缩写的单词。然后详解实验一。
15.马尔可夫链蒙特卡罗法(MCMC):一种强大的统计工具
讲述了MCMC的基本步骤和涉及到的基本概念,以及求解的MH算法,并且从MH引出更易实现的吉布斯抽样,并且讲述了可能会遇到的一些困难。
16.隐马尔科夫链(HMM):一种强大的序列建模工具
隐马尔可夫模型(Hidden Markov Model;缩写:HMM)或称作隐性马尔可夫模型,是统计模型,它用来描述一个含有隐含未知参数的马尔可夫过程。
14.蒙特卡洛与马尔可夫链:统计模拟的双重视角
本文介绍的是MCMC的核心,从平稳分布引入蒙特卡罗方法,并且从基本的马尔科夫链的类型与兴致开始讲起,为后文做好充分基础铺垫工作
13.掌握变分推断:一个统计学的重要工具
讲述了概率模型如何演化为优化模型的,引出了变分推断的公式,并且与广义EM对比,最后引出了随机梯度变分推断,并进行了总结。
12.从求解角度理解高斯混合模型
从高斯模型引入高斯混合模型,并且尝试使用极大似然估计和EM算法两个角度来求解高斯算法,展示了算法的全过程。
11.Expectation_Maximization(EM算法): 解决含有隐变量的统计问题
全面的介绍了EM算法的推导,证明了EM算法的收敛性,以及从KL散度和Jensen不等式两个方面导出EM的迭代公式。
10.概率图推断:框架、方法和应用
本文介绍了一些概率图模型的推断方法,主要有变量消除法和信念传播法,并且引入了Max product与道德图,因子图等等
下一页
个人成就
文章被点赞
49
文章被阅读
4,096
掘力值
327
关注了
6
关注者
12
收藏集
1
关注标签
13
加入于
2022-01-24