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(6)
  • 收藏
  • 关注

原创 【概率论】最大后验概率估计(MAP)理解

最大似然估计欲求使P(X|θ)最大的概率分布+参数组合(即最可能求得X的概率分布及其参数),将θ看作未知的固定值。最大后验概率估计MAP则将θ看作概率分布,欲求使P(X|θ)P(θ)最大的θ。此时,不仅要求P(X|θ)要大,在参数组θ先验分布中θ出现的概率P(θ)也要大,最后求二者共同作用下的最大值。根据贝叶斯法则+数据集中P(X)已知为定值两点可以推出,最大化P(X|θ)P(θ)也就是最大化P(θ|X),此时P(θ|X)即为最大后验概率。(求可以最大化P(θ|X)的参数组θ,也可以理解成在X已知的情况

2020-07-08 15:22:31 1794

原创 【概率论】极大似然估计理解

首先,从宏观上来说,“似然”是根据已知的n个样本,求得“最可能通过随机取样得到这n个样本的分布及其参数”。极大似然估计就是求这个分布和参数的一种方法。(似然和概率的区别见https://blog.csdn.net/songyu0120/article/details/85059149)具体来说,假设我们手上有m种可能的分布和参数,n个已有的样本,在这m种中,我们通过极大似然估计来了解,在哪一种...

2020-01-11 12:51:08 497

原创 【论文阅读-NRE】Self-Supervised Representation Learning via Neighborhood-Relational Encoding

Abs:自监督表示 NRE:neighborhood-relational encoding邻居相关编码旧的unsupervised方法一般只注重用deep net抓取data中的重点,而忽视了他们和邻居之间的关系,这关系可以很有用。NRE试图在流形上保持局部的邻居结构,这样会对远处的点更不敏感。NRE实现为encoder-decoder结构,学习基于结点局部邻居的表示。结果还...

2019-09-27 14:53:52 852

转载 【Markdown编辑器】官方使用指南留档

The Truly Deep Graph Convolutional Networks for Node ClassificationAbstract目前的Deep GCN训练中主要有两个问题:over-fitting和over-smoothing。over-fitting:过拟合,会影响训练出的model在小的graph上的一般化使用。over-smoothing:由于depth的提升,...

2019-09-20 17:01:38 146

原创 【论文阅读-Autoencoder】Generalized Autoencoder: A Neural Network Framework for Dimensionality Reduction

1. 阅读前的预备知识:Autoencoder 无监督,主要用于数据降维或者特征抽取 pretrain:在深度学习中,autoencoder可用于在训练阶段开始前,确定权重矩阵的初始值 目标是让输入等于输出,为的是高维-->低维encode后损失的信息不多 对于多层神经网络,可以一层一层训练,固定之前的层之后来运行下一层的pretrain。 ...

2019-09-12 09:40:01 1714

原创 【Verilog】当算术右移“>>>”只会补零时我们能做些什么

    一般认为“>>>”在Verilog里是算术右移指令,但实操中发现它有时会在右移时仍然补零,即使符号位为1。这是因为“>>>”会先判断这个操作数是否有符号数。如果是无符号数,则补零,是有符号数,才会补符号位。而一般使用的reg operand; 这种变量定义法默认所定义的变量为无符号数,因此只补零。Result = operandB >>&gt...

2018-05-26 10:19:08 21565 9

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

提示
确定要删除当前文章?
取消 删除