qq_51221943的博客

1.马尔科夫链概述它假设谋一时刻状态转移的概率只依赖于它的前一个状态，因此马尔科夫链在很多时间序列模型中的得到广泛的应用，比如循环神经网络RNN、隐式马尔科夫模型HMM、以及MCMC2.马尔科夫链模型状态转移矩阵的性质例：其中若采用[0.7,0.1,0.2]作为初始概率分布，然后这个状态作为序列概率分布的初始状态t0，将其带入这个状态转移矩阵计算t1，t2，t3…的状态。代码如下：matrix = np.matrix([[0.9,0.075,0.025],[0.15,0.8,0.05],[0.25,

根据目前学习论文”Generative PointNet: Deep Energy-Based Learning on Unordered Point Sets for 3D Generation, Reconstruction and Classification“是关于能量的无序点集的深度学习三维生成、重建和分类。论文中涉及的神经网络中的能量函数值越小，系统越趋于稳定。所以在机器学习中E(x)通常可以表示为似然函数，故求最大似然就可以被表示为求最小能量...