自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(14)
  • 收藏
  • 关注

原创 KM算法学习记录

那么这个时候没有任何一个被分配到的个体能够属于转移序列中(因为这个转移序列不存在),所以这个时候被分配到的任务对应的个体都是非本质的,所以这个时候被分配的任务(C,D)一定是essential的。并且这种情况下唯一可能导致budget不够的情况是 人-1但是job不变,但是作者在文中的therom1中证明了人为essential 而job不是的时候他们两个一定没有连边(人不可行这个任务)(合理性)。在论文的原始定义中,一个被分配工作的个体,如果他能被包含在某个改变分配的转移序列中,那么他就是本质的。

2025-06-28 23:53:15 1053

原创 variational inference and dL 阅读笔记(3)

——— 实现篇前两篇文章已经阐述了VAE的基本思想,这一篇文章记录一下尝试实验的结果。这段文字描述了变分自编码器(VAE)实验的基本设定,主要涉及模型架构、概率分布假设、优化目标等核心要素。

2025-06-06 14:56:51 1028

原创 variational inference and dL 阅读笔记(2)

————再结合AI回答谈重参数变量变换直观例子:从身高分布采样假设我们要从一个班级学生的身高分布身高∼N(μ=170,σ=5)\text{身高} \sim \mathcal{N}(\mu=170, \sigma=5)身高∼N(μ=170,σ=5) 中采样。传统采样方法是直接从这个分布中抽一个值,但这种采样是随机的,无法计算梯度。实际上再VAE里面,我们要对神经网络的输出μ\muμ,σ\sigmaσ求导。原始采样(不可导)重参数化采样(可导[可以对神经网络输出的μ\muμ,σ\sigmaσ求导])我

2025-05-21 21:37:46 867

原创 variational inference and dL 阅读笔记(1)

变分推断用在哪里:对于概率推断来说,流程为先对预测的变量或者无法观测的隐变量有一个先验的概率分布 比如P(y) ,然后在得到观测数据之后得到后验P(y|x),一种计算这种后验的方法我能想到的是贝叶斯定理,另一种就是变分推断。对于概率模型的学习来说 可以描述为: 找一组参数θ\thetaθ来拟合得到PθxPθ​x,并且要让拟合的概率PθxPθ​x逼近真实的概率分布P∗xP^*(x)P∗x,从而使得输入一个x 得到的拟合概率分布和真实概率分布类似。Pθx≈。

2025-05-20 17:39:26 687

原创 HMM 相关学习 实现篇

本文介绍了隐马尔可夫模型(HMM)中的前向算法和后向算法的实现。前向算法用于计算给定观测序列的概率,通过动态规划的方式递推计算每个时刻的前向概率,最终得到观测序列的概率。后向算法则是从前向后递推,计算从当前时刻到结束时刻的观测序列的条件概率。两者在HMM的参数估计和学习问题中都有重要应用。文章通过具体的代码示例展示了如何实现这两种算法,并解释了其背后的数学原理。前向算法和后向算法的结合可以用于解决HMM中的解码、预测和学习问题。

2025-05-11 17:08:14 895

原创 HMM 相关学习 未实现版本

https://zhuanlan.zhihu.com/p/161436964],【初学者都能看明白的【隐马尔科夫模型】原理详解,动画讲解轻松学(HMM/底层逻辑/人工智能/深度学习/算法)】https://www.bilibili.com/video/BV1oZ4y1v79c?使得每一步的求解变成递推,通过选择前一步转移到目前这个状态最可能的情况,然后最后通过回溯记录每一步选择的情况是什么从而得到最能解释观测序列的隐藏状态序列。关键是用简洁的语言和生动的例子传递算法的本质。j有N个取值 其他都是固定的。

2025-05-09 11:05:17 966

原创 机器学习greenhand的关于RNN原理的非严谨性的数学推导(4)

【note:这份代码里面V,W和大多数图上,以及本文表示的意义是反的,需要注意看】所以在查询各种资料的过程中试图结合各种思路,把他的数学原理阐述明白。当我想要真正的了解rnn的原理,手写一遍当然是最好的了。但是网上大多数的纯numpy推导代码要不缺乏相应的完善的阐述,要不就是讲述了数学原理仿佛了解一二,但是实际上更不不知道如何按照他去实现手写的底层原理。由此下文主要以不严谨的方式阐述了我关于rnn的基本数学逻辑,或者说他的底层运行逻辑,展现出来。p_i为真实,q_i为预测.在查询资料学习的过程中,找到了。

2023-04-10 16:43:51 267

原创 机器学习greenhand的关于RNN原理的非严谨性的数学推导(3)

小白的关于RNN原理的非严谨性的数学推导(3)Before everything:当我想要真正的了解rnn的原理,手写一遍当然是最好的了。但是网上大多数的纯numpy推导代码要不缺乏相应的完善的阐述,要不就是讲述了数学原理仿佛了解一二,但是实际上更不不知道如何按照他去实现手写的底层原理。在查询资料学习的过程中,找到了rnn_lstm_from_scratch这一份代码,似乎很详细,但是类似的他的数学原理我还是不太能理解。【note:这份代

2023-04-10 16:35:36 146

原创 机器学习greenhand的关于RNN原理的非严谨性的数学推导(2)

小白的关于RNN原理的非严谨性的数学推导(2)—— SKYWALKER2099@优快云 20230410Before everything:当我想要真正的了解rnn的原理,手写一遍当然是最好的了。但是网上大多数的纯numpy推导代码要不缺乏相应的完善的阐述,要不就是讲述了数学原理仿佛了解一二,但是实际上更不不知道如何按照他去实现手写的底层原理。在查询资料学习的过程中,找到了rnn_lstm_from_scratch这一份代码,似乎很详细,但是类似的他的数学原理我还是不太能理解。【note:这份代

2023-04-10 16:35:01 171

原创 机器学习greenhand的关于RNN原理的非严谨性的数学推导 (1)

小白的关于RNN原理的非严谨性的数学推导(1)—— SKYWALKER2099@优快云 20230410Before everything:当我想要真正的了解rnn的原理,手写一遍当然是最好的了。但是网上大多数的纯numpy推导代码要不缺乏相应的完善的阐述,要不就是讲述了数学原理仿佛了解一二,但是实际上更不不知道如何按照他去实现手写的底层原理。在查询资料学习的过程中,找到了rnn_lstm_from_scratch这一份代码,似乎很详细,但是类似的他的数学原理我还是不太能理解。【note:这份代

2023-04-10 16:20:26 162

原创 delta-lake搏斗记录

delta-lake bug

2023-02-20 17:33:52 419

原创 【from delta import * 报错 ‘convert_exception‘的解决方案】

原创内容

2023-02-19 13:15:58 540 2

原创 C++ Primer Plus 学习日志*第三章课后编程练习题

#include <iostream>using namespace std;int main(){}

2020-06-15 11:10:32 211

原创 C++ Primer Plus 学习日志*第二章课后编程练习题

#include <iostream>using namespace std;int wavetoyard(int wave);void simon1();void simon2();int centigradetofahrenheit(int cent);double lightyear_to_astronomicalunit(double lightyear);void printTime(int hour,int minutes);

2020-05-29 22:01:03 1474

vae-mnist.ipynb

vae-mnist

2025-06-06

vae-colorful

vae-colorful

2025-06-06

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除