互信息在深度学习中的应用

互信息的概念

我们介绍一下与互信息相关的基本概念:

1.信息熵的概念

如果一个事件发生的概率为: p ( x ) p(x) p(x),则该事件的信息量为 − l o g p ( x ) -logp(x) logp(x),接下来我们提出该信息量的期望(熵):
H ( x ) = − ∑ x p ( x i ) l o g ( p ( x i ) ) H(x) = -\sum_{x}p(x_{i})log(p(x_{i})) H(x)=xp(xi)log(p(xi))

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值