weixin_38284256的博客

Q：1、为什么线性回归就对应正态分布，logistic回归就对应伯努利分布？2、分布指的是什么的分布？A：对于指数分布族来说：这里的y指的是待回归的因变量，也就是说这里列出的是因变量y的概率分布；而对于广义线性模型：这里的y和x分别指的是因变量和自变量。也就是当给定样本自变量x和参数时，如果因变量y的分布符合指数分布族，那么就可以用第二条的公式去求目标函数（其实就是求给定x时的y的数学期望，也就是认为的对y的合理模拟）。这种情况下，就可以理解为什么y符合正态分布时

1、IDAUP、DLAUP、DLAseg部分：

tensorflow如何控制gpu显存的方法网上有很多，dfromtensorflow.python.clientimportdevice_libdevices=device_lib.list_local_devices()

1、DFT对应的是时域离散周期性的信号，也是计算机能进行处理的一种方式。2、其它变换的非周期性图一3、频域幅值的计算，以及与时域信号幅值的关系图二图二而DFT频域幅值的计算方法为：图三两张图的计算结果是一致的。比如时域信号为一个正弦信号，其幅值为A，频率为W。则DFT之后，频谱上W对应的幅值按照上面图三计算，应为A/2，再结合图二（是否除以N，要看进行DFT计算时是否已经除了N...

CRF的理解1、CRF是基于概率无向图的，其联合概率由各最大团的势函数构成；在无向图的基础上，CRF的概率是x->y的条件概率；2、一般用的都是线性链（linear-chain) 条件随机场，即Yi 节点只有前后两个连接；3、按照概率无向图的概率公式：这就意味着，整体CRF有一个全局的Z函数来作为归一化函数；而MEMM来说：其归一化函数存在于每个输出环节，并没有一个全局的归一...

@CTC的理解CTC的由来在语音识别、OCR识别等领域广泛用到的HMM，由于其自身的一些限制，在神经网络兴起以后，被CTC+RNN所取代。几点注意事项几点需要注意事项：语音识别过程中，音素->单词->句子的过程中，音素的声学模型在之前往往用GMM和动态弯算法进行识别；但在音素->单词的过程应该也需要前向后向算法来计算，因为不然计算量同样很大，只不过有可能是都包含在HM...