a331459295的博客

原创 论文学习笔记：Conditional Random Fields as Recurrent Neural Networks

原创 浅析FWI的一些基础地球物理知识（内部组会讨论使用）

原创 论文笔记: 可解释神经聚类作业（copy）

在k-Means算法中，最关键的步骤是将每个数据点分配到距离最近的聚类中心。我们定义数据集D的均值点为 c，其表示为 c = (c_1, c_2, …通过上述推导，我们证明了当数据集D中所有数据点到均值点c的距离之和最小时，均值点c为数据集D的中心点。上述表达式表示均值点c的每个分量c_j为数据集D中对应维度上的所有数据点分量的平均值。首先，我们定义距离的度量方式为欧几里得距离的平方，即 ||x_i - c||^2。我们的目标是最小化数据集D中所有数据点到均值点c的距离之和。

原创 【无标题】

论文写作心得

原创 浅析地质勘探基本原理

浅析地质勘探基本原理1.2.3.1.2.3.