- 博客(5)
- 收藏
- 关注
RSS订阅原创 AttributeError: module ‘tensorflow.python.keras.backend’ has no attribute ‘get_graph’解决方法
AttributeError: module ‘tensorflow.python.keras.backend’ has no attribute ‘get_graph’解决方法问题如下：AttributeError: module ‘tensorflow.python.keras.backend’ has no attribute ‘get_graph’win+R打开命令行查询tenso...
2019-11-12 10:50:06
2744
转载 CP分解和Tucker分解的区别
CP分解图示：Tucker分解图示：两者的区别如下：1.主要区别：核张量（core tensor）Tucker分解的结果会形成一个核张量，即PCA中的主成分因子，来表示原张量的主要性质，而CP分解没有核张量。2.Tensor分解是n-秩与低秩近似，而CP分解是秩与低秩近似在CP分解时我们都是先固定秩的个数，再去迭代，即没有用到张量本身的秩；但是在Tucker分解时我们是根据张量本身...
2018-10-23 15:32:51
5771
转载 PCA——主成分分析法
降维是对数据高维度特征的一种预处理方法。降维是将高维度的数据保留下最重要的一些特征，去除噪声和不重要的特征，从而实现提升数据处理速度的目的。在实际的生产和应用中，降维在一定的信息损失范围内，可以为我们节省大量的时间和成本。降维也成为了应用非常广泛的数据预处理方法。降维具有如下一些优点：（1）使得数据集更易使用（2）降低算法的计算开销（3）去除噪声（4）使得结果容易理解PCA(princ...
2018-10-23 14:00:34
383
1
转载 量子中的各种“态”
纠缠态VS叠加态纠缠态是叠加态的一种特殊的情形，它是由两个或两个以上的粒子构成的一个态，其特征是不能分解成两个态的乘积。单粒子没有纠缠态，但可以有叠加态，这就是纠缠态与叠加态最大的区别。一般来说，纠缠态是与可分离态相对的，如果一个多粒子态可以写成部分粒子态的乘积形式，则这个态为可分离态，否则即为纠缠态（一般书上对纠缠态的定义）。叠加态是与表象的基矢相联系的，如果基矢是完备的，那么态便可以写成这组...
2018-10-21 10:33:13
5225
原创 Kernel methods
核方法（Kernel methods）核方法可以将数据集从低维映射到高维，使得线性不可分的情况变得线性可分。然而，映射后的目标空间维数太大，无法进行空间中的向量内积运算。因此我们定义了核函数，它可以代替求解高维空间中向量内积的运算。在如下的原空间中，可以用一个椭圆曲线将数据区分开：但当我们引入一个映射函数以后，新的三维空间内数据就线性可分了。定义一个Kernel Function来代...
2018-10-18 22:01:50
660
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