2020-4-8 深度学习笔记18 - 直面配分函数 1 ( 配分函数概念,对数似然梯度)

第十八章 直面配分函数 Confronting the Partition Function

中文
英文

在16.2中,我们看到许多概率模型(通常是无向图模型)由一个未归一化的概率分布 p ~ ( x , θ ) \tilde{p}(x, \theta) p~(x,θ)定义。 我们必须通过除以配分函数 Z ( θ ) Z(\theta) Z(θ)来归一化 p ~ \tilde{p} p~,以获得一个有效的概率分布:
p ( x ; θ ) = 1 Z ( θ ) p ~ ( x ; θ ) p(x;θ)=\frac1{Z(θ)} \tilde p(x;θ) p(x;θ)=Z(θ)

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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