概率图模型
小石学CS
这个作者很懒,什么都没留下…
展开
-
Coursera概率图模型(Probabilistic Graphical Models)第一周编程作业分析
Computing probability queries in a Bayesian network计算贝叶斯网络中的概率查询 1.基础因子操作 这一周的作业主要是熟悉一下基础操作。作业中因子的结构如下:phi = struct('var', [3 1 2], 'card', [2 2 2], 'val', ones(1, 8));其中:var表示因子中变量的标签及顺...原创 2018-08-19 20:36:41 · 1127 阅读 · 0 评论 -
Coursera概率图模型(Probabilistic Graphical Models)第二周编程作业分析
Bayes Nets for Genetic Inheritance基因遗传的贝叶斯网络 1.构建基因遗传的贝叶斯网络 本章要求构建如下图所示的贝叶斯网络: 图中,变量1、2、3分别表示父母及子女的基因型(Genotype),变量4、5、6分别表示父母及子女基因型所对应的性状(Phenotype)。同时,基因型本身由等位基因(Allele)决定。图中的三个虚线...原创 2018-08-19 20:38:01 · 940 阅读 · 0 评论 -
Coursera概率图模型(Probabilistic Graphical Models)第三周编程作业分析
Markov Networks for OCR光学字符识别的马尔科夫网络 说到光学字符识别(OCR),此前笔者首先想到的会是卷积神经网络,而单词识别则会考虑使用递归神经网络。而本周的作业则基于马尔科夫网络构建了一个较为基础OCR系统,目的也主要是让我们对马尔科夫网络有个感性的认知。网络所需要的的所有参数题目都已经训练完毕,而一些字符识别中的核心算法如图像间的相似度计算题目也都直接提供了...原创 2018-08-26 23:39:19 · 1177 阅读 · 0 评论 -
Coursera概率图模型(Probabilistic Graphical Models)第四周编程作业分析
Decision Making作决策 这一周的内容在老版本的CS228课程中,是作为第六周的一个小节讲的(老版本的CS229只有9周的课程),而在概率图模型的教材里边对应的是第22章效用和决策。也就是说,这一周的课程更多的是对之前所学知识的一种应用。 1.记号和定义 使用影响图来表现本周所学的内容,如下图所示: 其中,X表示随机变量,D表示决策节点,U...原创 2018-09-09 23:21:19 · 1085 阅读 · 0 评论 -
基于Pytorch实现风格迁移(CS231n assignment3)
风格迁移由Gatys等与2015年提出,论文:https://www.cv-foundation.org/openaccess/content_cvpr_2016/papers/Gatys_Image_Style_Transfer_CVPR_2016_paper.pdf。本篇博客基于CS231n课程2017年Pytorch版本的作业内容,对其进行实现。 风格迁移主要目...原创 2018-11-26 10:03:47 · 1475 阅读 · 0 评论