最优化
文章平均质量分 86
keep-hungry
这个作者很懒,什么都没留下…
展开
-
PLSA概率潜在语义分析数学推导
PLSA模型是LDA模型先前的一个工作,理解PLSA模型有助于我们对LDA模型的理解。由于已有很多的博客对PLSA和EM算法进行了充分介绍,因此本文主要对PLAS及其中使用的EM算法进行推导,不再做原理性上的解释。我们希望把文档集或单篇文章的生成概率表示出来,在分解得到对应的两个概率:主题生成文章、词生成主题。选择概率的前n个即可完成对在这个模型中,篇章集合d与词项空间w已知的,而主题z是未知的。我们的假设是篇章以一定概率生成主题,而主题以一定概率生成词汇。因此需要通过某种方法计算未知的主题z。原创 2021-06-22 21:52:10 · 845 阅读 · 1 评论 -
beam search的例子
看了一下网上对beam search的讲解,感觉都说的太杂了,我试图用一个最简单的例子来帮助读者理解。见下图假设我有一个模型,能够根据当前词输出下一个词的概率分布,最后依次这样就能生成一大串文本。以上面的图为例“The”的下一个词的最大概率为“nice”, p=0.5但这样选容易造成“局部最优”所以指定beam size是2时,保留概率最大和第二大的组合。概率最大的是“The nice”(p = 0.5)概率第二大的是“The dog”(p = 0.4)概率最小“The car”(p原创 2021-05-18 15:56:17 · 460 阅读 · 1 评论 -
Python 遗传算法求解Stackelberg均衡问题(带概率约束)
本文展示了一个带概率约束的Stackelberg均衡问题,如何用python实现遗传算法和蒙特卡洛方法求解并可视化,提供了详细的代码以供读者参考。结果课件,在博弈过程中,在10轮作用就已经解决均衡状态。原创 2021-01-06 22:14:43 · 6959 阅读 · 39 评论