- 博客(5)
- 收藏
- 关注
RSS订阅原创 拉格朗日对偶性
在约束最优化问题中，常常利用拉格朗日对偶性（Lagrange duality)将原始问题转换为对偶问题，通过解对偶问题而得到原始问题的解。该方法应用在许多统计学习方法中，例如，最大熵模型与支持向量机。这里简要叙述拉格朗日对偶性的主要概念和结果。1. 原始问题假设是定义在Rn上的连续可微函数。考虑约束最优化问题称此约束最优化问题为原始最优化问题或原始问题。首先，引进广义拉格朗日函数（generali...
2018-03-04 16:02:24
364
转载 互信息的理解与推导
转自切问路 by Z.H. Fu我们在之前研究过两个随机变量的独立性，我们定义若两个随机变量X,YX,Y满足 P(X,Y)=P(X)P(Y)P(X,Y)=P(X)P(Y)则我们说随机变量X,YX,Y独立。下面来直观地理解这个公式，可以发现，如果X,YX,Y独立，那么已知XX，...
2018-03-04 15:58:24
3271
原创 利用IBM Personality Insights接口进行人格特质预测
近年来，研究者们在人格描述模式上形成了比较一致的共识，提出了人格的大五模式， Goldberg(1992)称之为人格心理学中的一场革命，研究者通过词汇学的方法，发现大约有五种特质可以涵盖人格描述的所有方面。 大五人格（OCEAN），也被称之为人格的海洋，可以通过NEO-PI-R评定。·开放性（openness）: 具有想象、审美、情感丰富、求异、创造、智能等特质。责任心(conscientious...
2018-03-04 15:51:32
2061
4
转载 条件随机场（CRF）和隐马尔科夫模型（HMM）
转载自机器不学习（2018-02-28）的回答CRF是一个feature-based模型。你实际用的时候可以把feature放到node或者边上面。CRF只是提供了一套体系让你来做带关系的feature模型。相比之下HMM model的是state之间的概率，对于所有的state-state的transition都要学一个probability。如果把这部分feature化，变成一个参数模型的话那...
2018-03-04 14:12:37
1817
原创 GE Predix工业互联网平台
这次的工业互联网热潮与之前所推动的工业物联网有一个很大的不同是，原来的推进路线强调“以网络为中心”的物与物之间的通信连接，而“物”本身不具备智能特征，物联网一直不温不火；而此轮工业互联网及平台是构建在智能机器（智能装备）之上的，从一开始作为终端就具备交互、预见及迅速反应能力，这样智能机器之间的网络化连接和系统才能创造更大的价值。“工业互联网，一是模式，二是思维，三是实在的技术。” ...
2018-03-04 14:06:32
1898
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人