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
用户09975214087
掘友等级
获得徽章 0
动态
文章
专栏
沸点
收藏集
关注
作品
赞
1
文章 1
沸点 0
赞
1
返回
|
搜索文章
用户09975214087
7月前
关注
5.3.1 Continuous inputs 公式5.49 5.50
推导公式 (5.49) 和 (5.50) 我们从图中的条件开始推导公式 (5.49) 和 (5.50)。根据图中的公式和描述,假设类条件密度为高斯分布,并且类别 $C_k$...
0
评论
分享
用户09975214087
7月前
关注
扩散模型中推导期望的一个小点
联合分布 $ q(x_{T-1}, x_T \mid x_0) $ 的分解可以通过以下步骤推导得出: 根据概率的链式规则(Chain Rule of Probability...
0
评论
分享
用户09975214087
8月前
关注
3.4. The Exponential Family 公式3.157
为了推导公式 (3.157),我们从公式 (3.156) 开始: $$ \ln\left(\frac{\mu_k}{1 - \sum_{j=1}^{M-1} \mu_j}\...
0
评论
分享
用户09975214087
8月前
关注
3.2.7 Maximum likelihood 公式3.106
推导公式 (3.106) 的过程涉及到对多元高斯分布的对数似然函数关于协方差矩阵 $\Sigma$ 的最大化。我们从对数似然函数开始: $$ \ln p(\mathbf{X...
0
评论
分享
用户09975214087
8月前
关注
3.2.6 Bayes’ theorem 公式3.95,3.96 不对先作废
接下来我们看下公式3.95和公式3.96 $$ \mathbb{E}[\mathbf{x}|\mathbf{y}] = (\mathbf{A} + \mathbf{A}^{...
0
评论
分享
用户09975214087
8月前
关注
3.2.6 Bayes’ theorem figure3.5
在3.2.4和3.2.5节中,我们考虑了一个高斯分布 $ p(x) $,其中我们将向量 $ x $ 划分为两个子向量 $ x = (x_a, x_b) $,然后找到了条件分...
0
评论
分享
用户09975214087
8月前
关注
3.2.5 Marginal distribution 公式3.71的理解
$$ \begin{equation} \begin{split} & \frac{1}{2} \left[ \Lambda_{bb} \mu_b - \Lambda_{b...
0
评论
分享
用户09975214087
8月前
关注
3.2.4 Conditional distribution 公式3.59
公式 (3.59) 的推导基于条件高斯分布的性质和前面的推导结果。以下是详细的解释: 条件高斯分布的均值: 在条件高斯分布 $ p(\mathbf{x}{a}|\mathb...
0
评论
分享
用户09975214087
8月前
关注
3.2.4 Conditional distribution 公式3.54
虽然比较简单但还是记录一下吧,光看容易忘记 我们首先找到条件分布 $ p(\mathbf{x}_a | \mathbf{x}_b) $ 的表达式。根据概率的乘法规则,我们可...
0
评论
分享
用户09975214087
8月前
关注
3.2. The Multivariate Gaussian 公式3.45
书中3.45这个公式只讲了大体由来,下面将详细推导一下 $$ \frac{1}{(2\pi)^{D/2} |\boldsymbol{\Sigma}|^{1/2}} \int...
0
评论
分享
用户09975214087
关注了
will_we
用户09975214087
赞了这篇文章
喝不了汾酒
Java
·
9月前
关注
ZGC的常见优化参数
ZGC是一个可扩展的低延迟垃圾回收器。ZGC 在执行所有耗时操作时都是并发进行的,不会停止应用线程的执行超过一毫秒。...
5
评论
分享
用户09975214087
关注了
喝不了汾酒
个人成就
文章被阅读
420
掘力值
90
关注了
2
关注者
0
收藏集
0
关注标签
0
加入于
2024-11-21