- 博客(9)
- 收藏
- 关注
RSS订阅原创 混合高斯模型的EM算法
混合高斯模型的EM算法Pre-requisites "混合模型简介"笔记Overview 在"混合模型简介"笔记中, 我们介绍了混合模型. 回顾一下, 假如观测值XiX_{i}Xi来源于含有KKK个组件的混合模型, 那么XiX_{i}Xi的边缘概率分布的形式为:P(Xi=x)=∑k=1KπkP(Xi=x∣Zi=k)P\left(X_{i}=x\right)=\sum_{k=1...
2020-01-06 14:26:49
246
原创 混合模型简介
混合模型简介Overview 在对一个数据集进行分析之前,我们通常会假设样本服从某个特定的分布(如正态分布).然后进行一些工作来预测这个分布的参数(例如使用最大似然方法求得正态分布的均值和方差). 然而,在许多场景下,"样本服从某个单峰分布"的假设还是过于强烈,无法得到很好的效果.我们要建模的数据通常要更加复杂,比方说,多峰\textbf{多峰}多峰的正态分布.这篇笔记描述了对这种复...
2020-01-06 14:23:59
4951
原创 GNN应用于sg2im
Image Generation from Scene GraphsSummary图结构作为句子映射到图像的中间体,使含有多物体的句子的逻辑结构能够较完整地保留,从而使得模型能够理解复杂句子并生成相应的图像首先将sentence用人工定义或预训练网络的方式映射为图结构,图结构经过一个GNN空域网络,使用GNN输出的向量计算出图像布局(scene layout),再由CRN细化Resea...
2019-12-23 15:52:55
529
原创 GCN
Semi-supervised Classfication With Graph Convolutional NetworksSummary对切比雪夫近似GNN算法改进,降低参数量,提出一种更适用于GPU并行架构的网络Research Objective进一步改进GNN频域卷积算法,使其在不损失精度的同时提升速度.成为了大多应用中GNN频域卷积的baselineProblem Sta...
2019-12-16 15:40:58
253
原创 切比雪夫近似GNN算法
Convolutional Neural Networks on Graphs with Fast Localized Spectral FilteringSummary通过用切比雪夫多项式近似频域权重矩阵的方式,解决了原始方法存在的两个主要问题,在速度与精度上均有提升.Research Objective对原始的GNN频域建模算法进行改进.Problem Statement频域上...
2019-12-16 15:39:29
1895
原创 GNN开山作
Spectral Networks and Deep Locally Connected Networks on GraphsSummary分别从空域和频域角度在图上通过神经网络的方式建模,并在mnist数据集上验证了两种建模方式的可行性.Research Objective使神经网络能够应用于包括图像等更为广阔的领域,例如社交网络,分子原子等Problem Statement传统...
2019-12-16 15:34:28
222
原创 PRML学习笔记-贝叶斯线性回归
简介p(t∣X,w,β)=∏n=1NN(tn∣wTϕ(xn),β−1)p(\mathbf{t} | \boldsymbol{X}, \boldsymbol{w}, \beta)=\prod_{n=1}^{N} \mathcal{N}\left(t_{n} | \boldsymbol{w}^{T} \boldsymbol{\phi}\left(\boldsymbol{x}_{n}\right),...
2019-11-14 18:33:09
270
原创 PRML学习笔记-范函变分
范函变分范函变分的定义设F(x,y(x),y′(x))\mathrm{F}\left(\mathrm{x}, \mathrm{y}(\mathrm{x}), \mathrm{y}^{\prime}(\mathrm{x})\right)F(x,y(x),y′(x))是三个独立变量x,y(x),y′(x)x, y(x), y^{\prime}(x)x,y(x),y′(x)在区间[x0,x1]\le...
2019-11-14 17:33:09
279
原创 PRML学习笔记-条件高斯分布与边缘高斯分布的常用性质
条件高斯分布与边缘高斯分布的常用性质基本知识多元高斯分布的一个重要性质是,如果两组变量是联合高斯分布,那么以一组变量为条件,另一组变量同样是高斯分布。类似地,任何一个变量的边缘分布也是高斯分布。首先考虑条件概率的情形。假设 x 是一个服从高斯分布 N(x∣μ,Σ)\mathcal{N}(\boldsymbol{x} | \boldsymbol{\mu}, \mathbf{\Sigma})N(...
2019-11-14 17:24:54
1114
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