aiao0091-CSDN博客

转载 VSCode code-runner Python 乱码解决办法

方法1 json "code-runner.executorMap": { "python":"export PYTHONIOENCODING=UTF-8 && $pythonPath $fullFileName" }, 方法2 "code-runner.executorMap": { "python":"cd $dir && $...

2018-05-22 10:47:00 222

转载 Boost.Python入门实例

环境 gcc boost brew install boost boost-python brew install boost-python 代码 Rectangle.cpp #include <iostream> #include <string> using namespace std; class Rectangle { public: ...

2018-01-04 11:13:00 121

转载条件随机场介绍（7）—— An Introduction to Conditional Random Fields

参考文献 [1] S.M.AjiandR.J.McEliece,“Thegeneralizeddistributivelaw,”IEEETrans- actions on Information Theory, vol. 46, no. 2, pp. 325–343, 2000. [2] Y.Altun,I.Tsochantaridis,andT.Hofmann,“HiddenMark...

2017-12-02 16:28:00 430

转载条件随机场介绍（6）—— An Introduction to Conditional Random Fields

6. 相关研究和未来方向本部分简要分析条件随机场的发展路线，特别是在结构化预测（structured prediction）方面。除此之外，还将分析条件随机场与神经网络和最大熵马尔可夫模型（MEMMs）的关系。最后列出了几个未来研究的开放领域。 6.1 相关研究 6.1.1 结构化预测分类方法提供了强大的工具来对离散的输出进行预测。但是在本文所考虑的一些问题中，我们希望预测的是更复杂...

2017-12-02 16:27:00 187

转载条件随机场介绍（5）—— An Introduction to Conditional Random Fields

5. 参数估计本节我们讨论如何估计条件随机场的参数$\theta = \{ \theta_k \}$。在最简单最典型情况下，我们面对的数据是完全标注的独立数据，但是也有关于半监督学习的条件随机场、带隐变量的条件随机场，以及用于关系学习的条件随机场等的研究。训练条件随机场的一种方法是极大似然估计，也就是说要确定那些能使训练数据出现概率最高的模型参数。理论上来说，使用该方法时与逻辑回...

2017-12-02 16:26:00 249

转载条件随机场介绍（4）—— An Introduction to Conditional Random Fields

4. 推断高效的推断算法对条件随机场的训练和序列预测都非常重要。主要有两个推断问题：第一，模型训练之后，为新的输入$\mathbf{x}$确定最可能的标记$\mathbf{y}^* = \arg \max_{\mathbf{y}} p(\mathbf{y}|\mathbf{x})$；第二，如第5部分所述，参数估计常要求计算标记子集上的边缘分布，例如节点的的边缘分布\(p(y_t...

2017-12-02 16:25:00 169

转载条件随机场介绍（3）—— An Introduction to Conditional Random Fields

3. 算法概述接下来的两个部分分别讨论条件随机场的推断和参数估计。参数估计是找到参数集合$\theta$，以使得分布$p(\mathbf{y}|\mathbf{x},\theta)$能够最佳拟合训练样本$\mathcal{D}=\{\mathbf{x}^{(i)}, \mathbf{y}^{(i)} \}_{i=1}^N$，其中样本的输入输出已知。直觉上，我们在参数估计过程...

2017-12-02 16:16:00 92

转载条件随机场介绍（2）—— An Introduction to Conditional Random Fields

2. 模型本部分从建模的角度讨论条件随机场，解释条件随机场如何将结构化输出上的概率分布表示为高维输入向量的函数。条件随机场即可以理解为逻辑回归在任意图结构上的扩展，也可以理解为结构化数据的生成模型（如隐马尔可夫模型）的判别化。本部分首先对图模型做一个简单的介绍（2.1节），并对NLP中的生成模型和判别模型进行分析（2.2节）。然后给出条件随机场的正式定义，包括常用的线性链条件随机场（...

2017-12-02 16:15:00 303

转载条件随机场介绍（1）—— An Introduction to Conditional Random Fields

1. 引言在许多实际应用中，能够对相互依赖的多个变量进行预测的能力非常重要。这些应用的涵盖范围很广，包括图片区域划分[49,61,69]、Go游戏中的得分评估[130]、DNA基因切分[7]、自然语言文本语法解析[144]等。这些应用所共有的特征，是在已知观测特征向量$\mathbf{x}$的条件下，预测随机向量输出\(\mathbf{y}=\{y_0,y_1,\cdots,y_T...

2017-12-02 16:13:00 125

转载条件随机场介绍（0）—— An Introduction to Conditional Random Fields

条件随机场介绍原文：An Introduction to Conditional Random Fields 作者： Charles Sutton (School of Informatics, University of Edinburgh, Edinburgh, EH8 9AB, UK)Andrew McCallum (Department of Computer Science...

2017-12-02 16:12:00 121

aiao0091的博客