注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 基于双高斯混合间KL散度的图像相似性度量

  2. 基于双高斯混合间KL散度的图像相似性度量

  3. 所属分类：其它

    • 发布日期：2014-05-23
    • 文件大小：733184
    • 提供者：baidu_15706223

  1. KL散度的理解英文文档

  2. 介绍KL散度的含义和作用

  3. 所属分类：讲义

    • 发布日期：2017-05-18
    • 文件大小：592896
    • 提供者：ericcchen

  1. 衡量两个概率分布的距离（KL散度、JS距离）评价两个变量的相似度MALTAB代码

  2. 衡量两个概率分布P(x);Q(x) 的距离 包括 Kullback–Leibler divergence和Jensen–Shannon divergence

  3. 所属分类：机器学习

    • 发布日期：2018-05-15
    • 文件大小：4096
    • 提供者：weixin_42213558

  1. 机器学习中各种熵总结

  2. 机器学习中各种熵的总结笔记，包括对应公式及详细解释说明。

  3. 所属分类：机器学习

    • 发布日期：2018-08-06
    • 文件大小：516096
    • 提供者：albert201605

  1. 变分贝叶斯推理

  2. 平均场理论，变分法，贝叶斯推断，EM 算法，KL 散度，变分估计，变分消息传递

  3. 所属分类：机器学习

    • 发布日期：2018-10-21
    • 文件大小：873472
    • 提供者：weiliang_handan

  1. 机器学习算法笔记

  2. 本文总结博客中关于机器学习十大算法的详细过程，进行汇总，包括广义线性模型、softmax 回归 、逻辑回归、梯度下降法、Logistic 回归与牛顿迭代法、两种梯度下降法、相对熵（KL 散度）、K-Means 聚类算法 、朴素贝叶斯分类、决策树之 ID3 算法 、决策树之 C4.5 算法、 决策树之 CART 算法、随机森林、K-D 树、KNN 算法、BFGS 算法、L-BFGS 算法、文本特征属性选择。 十九、矩阵求导解最小二乘问题 二十、局部加权回归 二十一、最小二乘的概率解释

  3. 所属分类：机器学习

    • 发布日期：2018-11-21
    • 文件大小：1048576
    • 提供者：u013940210

  1. 标准GAN的公式推导

  2. 里面包含了对抗生成网络的提出，推导和部分实验，从数学理论的角度出发从KL散度到JS散度再到目标网络的公式推导。

  3. 所属分类：深度学习

    • 发布日期：2018-12-10
    • 文件大小：2097152
    • 提供者：ali123aa

  1. 机器学习相关的基础数学知识

  2. 一. 线性代数 二. 概率论 三. 数理统计 四. 优化相关 五.信息论 向量 条件概率 样本 目标函数 信息熵 矩阵 联合概率 总体 全局最小值 互信息 集合 全概率公式 统计量 局部极小值 信息增益 标量 逆概率 参数估计 无约束优化 KL 散度 张量 贝叶斯公式 假设检验 约束优化 最大熵原理 范数 贝叶斯定理 置信区间 拉格朗日函数 交叉熵和相对熵的对比 内积 先验概率 区间估计 KKT条件与对偶函数 各种熵之间的关系 向量正交 后验概率 泛化能力 梯度下降法 正交基 似然概率 泛化误

  3. 所属分类：机器学习

    • 发布日期：2019-02-21
    • 文件大小：327680
    • 提供者：u012459213

  1. 深度概率编程语言Edward.zip

  2. Edward 是一个用于概率建模、推理和评估的 Python 库。它是一个用于快速实验和研究概率模型的测试平台，其涵盖的模型范围从在小数据集上的经典层次模型到在大数据集上的复杂深度概率模型。Edward 融合了以下三个领域：贝叶斯统计学和机器学习、深度学习、概率编程。它支持以下方式的建模：定向图模型神经网络（通过 Keras 和 TensorFlow Slim 等库）条件特定的无向模型贝叶斯非参数和概率程序它支持以下方式的推理:变分推理（Variational inference）黑箱变分推理

  3. 所属分类：其它

    • 发布日期：2019-07-17
    • 文件大小：4194304
    • 提供者：weixin_39840588

  1. 研究论文-基于变分稀疏贝叶斯学习的DOA估计.pdf

  2. 针对传统稀疏贝叶斯学习的DOA估计算法复杂度较高、收敛速度较慢等问题，提出了一种基于变分稀疏贝叶斯学习的DOA估计算法。首先通过空间网格划分方式建立基于稀疏表示的DOA估计信号模型；其次在此模型基础上为未知待估计参数指定先验分布，得出稀疏信号的后验概率分布；然后利用变分贝叶斯学习算法，通过最小化KL散度寻求后验概率分布的近似分布；最后估计出未知参数，并得到信号的DOA估计值。根据MATLAB仿真图的结果，该算法成功估计出信号的DOA，并达到了预期效果。与传统稀疏贝叶斯学习算法相比，该算法单快拍

  3. 所属分类：其它

    • 发布日期：2019-08-07
    • 文件大小：788480
    • 提供者：weixin_39841848

  1. dpcs和kl散度.docx

  2. 系统监测对于提高系统生产、运行可靠性，降低事故风险率起着至关重要的作用。基于此，本文从闭环控制系统故障检测和性能监测两个方面展开研究。

  3. 所属分类：其它

    • 发布日期：2019-12-30
    • 文件大小：3145728
    • 提供者：qq_44890887

  1. 基于KL散度与JS散度相似度融合推荐算法.pdf

  2. 针对目前大多数推荐算法在计算项目或用户之间的相似度时只依赖于用户之间的共同评分 项，由于用户 － 项目签到矩阵的高稀疏性，导致推荐结果不准确问题，提出一种改进的协同过滤推荐 算法． 该算法基于每个项目基分值概率分布使用 KL 散度计算项目之间的显性反馈相似度，再融合隐 狄利克雷主题分配模型，得到每个项目属于 T 个主题的概率分布，使用 JS 散度计算出项目之间隐性 反馈相似度，将两个相似度融合后融入到传统基于项目的协同过滤算法中并应用到兴趣点推荐，缓 解数据稀疏性问题的同时提高了推荐质量． 在点

  3. 所属分类：机器学习

    • 发布日期：2020-08-31
    • 文件大小：2097152
    • 提供者：weixin_44248112

  1. 自信息量-信息熵-KL散度-交叉熵损失.pdf

  2. 详解交叉熵损失函数及Softmax激活函数Sigmoid激活函数在深度学习二分类/多分类任务中的应用

  3. 所属分类：深度学习

    • 发布日期：2020-12-30
    • 文件大小：532480
    • 提供者：weixin_42397505

  1. [nlp] KL散度与JS散度

  2. 1.KL散度 KL散度( Kullback–Leibler divergence) (最大类间散度) 是描述两个概率分布差异的一种测度。对于两个概率分布P、Q，二者越相似，KL散度越小。 KL散度的性质：P：真实分布，Q：P的拟合分布 非负性：KL(P||Q)>=0，当P=Q时，KL(P||Q)=0； 反身性：KL(P||P)=0 非对称性：D(P||Q) ≠ D(Q||P) KL散度不满足三角不等式 from scipy import stats P = [0.2, 0.4, 0.4

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：545792
    • 提供者：weixin_38735101

  1. 【TensorRT】TensorRT的INT8校准原理

  2. INT8校准就是原来用32bit（float32）表示的tensor现在用8bit来表示，并且要求精度不能下降太多。 将FP32转换为 INT8的操作需要针对每一层的输入tensor和网络学习到的参数进行。 但是不同网络结构的不同layer的激活值分布很不一样，因此合理的量化方式。应该适用于不同的激活值分布，并且减小信息损失。 使用相对熵（也叫KL散度）来衡量不同的INT8分布与原来的FP3F2分布之间的差异程度。 确定每一层的|T|值的过程称为校准。方法是从验证集选取一个子集作为校准集，校准

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：510976
    • 提供者：weixin_38560502

  1. 机器学习基础知识和常用名词解释

  2. 机器学习入门的基础知识，包括常见名词的解释（线性回归、容量、过拟合欠拟合、正则化、超参数和验证集、估计、偏差和方差、最大似然估计、KL散度、随机梯度下降） 欢迎关注我的微信公众号“人小路远”哦，在这里我将会记录自己日常学习的点滴收获与大家分享，以后也可能会定期记录一下自己在外读博的所见所闻，希望大家喜欢，感谢支持！ 1、数值计算基础 计算机求解问题的步骤： 1、根据实际问题建立数学模型；（应用数学） 2、由数学模型给出数值计算方法；（计算数学） 3、根据计算方法编制算法程序在计算机上算出结果

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：332800
    • 提供者：weixin_38674675

  1. 分类问题损失函数 – 交叉熵

  2. 参考链接：https://zhuanlan.zhihu.com/p/61944055 信息熵： 表示随机变量不确定的度量，是对所有可能发生的事件产生的信息量的期望。熵越大，随机变量或系统的不确定性就越大。公式如下： 相对熵： 又称KL散度，用于衡量对于同一个随机变量x的两个分布p(x)和q(x)之间的差异。在机器学习中，p(x)从常用于描述样本的真实分布，而q(x)常用于表示预测的分布。KL散度值越小表示两个分布越接近。 公式如下： 交叉熵(cross entropy)： 将KL散度公式进行变

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：124928
    • 提供者：weixin_38681218

  1. 基于KL散度的驾驶员驾驶习性非监督聚类

  2. 为深入理解不同驾驶员的驾驶行为特点,本文中提出了一种基于KL散度的驾驶员驾驶习性非监督聚类算法。首先,建立了驾驶员驾驶数据实车道路试验采集平台,对84位驾驶员进行了测试;接着,将每名驾驶员的驾驶数据视为一个高斯混合模型(GMM),采取EM算法对其进行参数估计;最后,通过蒙特卡洛算法对各GMM之间的KL散度进行估计,从而获得不同驾驶员差异性的定量描述,将驾驶员聚为不同习性类别。对聚类后各类驾驶员的驾驶数据的统计分析表明,所提出的非监督聚类算法能有效实现不同驾驶习性驾驶员的聚类。

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：2097152
    • 提供者：weixin_38680247

  1. 由基于谐波均值的KL散度拟合能量驱动的主动轮廓用于图像分割

  2. 提出了一种新的主​​动轮廓模型，该模型由基于谐波均值的Kullback-Leibler（KL）拟合能量驱动，以实现各种图像的精确分割。 首先，通过全局谐波均值区域拟合中心和分段平滑函数定义全局拟合图像，然后可以基于KL散度构造全局拟合项。 其次，通过局部谐波均值区域拟合中心和分段平滑函数定义局部拟合图像，然后基于KL散度构造局部拟合项。 此外，将正则项合并到能量函数中。 真实世界图像的实验结果验证了所提出模型的有效性和优越性。

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：380928
    • 提供者：weixin_38735544

  1. 通过KL散度正则化进行会话模型适应

  2. 通过KL散度正则化进行会话模型适应

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：1016832
    • 提供者：weixin_38606897
« 12 3 »