![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
AI模型
文章平均质量分 58
21k soul
这个作者很懒,什么都没留下…
展开
-
变分自编码器(上)
初识变分自编码器! 我们知道深度学习主要分为两块,判别模型和生成模型。前者主要是通过条件概率进行建模,即在已知样本x的类别特征y的分布的时,利用神经网络对x与y之间关系的进行建模,然后根据所学习到的关系,预测当前未具有类别特征的样本的类别特征。而生成模型,则是通过全概率进行建模,即x与y的联合分布,那么只要学习到了x和y的联合分布,那么通过贝叶斯概率,就能知道在当前x下,y的分布。变分自编码器就是一种生成式模型。 不同于自编码器,他通过将贝叶斯推断(VI)引入深度神经网络,来实现原始图像的近似生成。 主要建原创 2021-05-09 12:47:56 · 216 阅读 · 0 评论 -
k-means收敛的理解!
k-means收敛的理解! K-means 首先,我们都介绍一下k-means的具体步骤: 1、首先,定义聚类个数参数K,然后初始原始的K个聚类中心点(可以采用随机,或者k-means++); 2、遍历所有样本点,并计算其到各个聚类中心点的距离,然后选择距离最短的类别,并将样本点划分到该类别下; 3、当更新完毕所有点的类别后,重新计算每个类别的聚类中心点; 4、重复step2-step3,直到聚类中心点不再发生变化,或者达到一定的迭代次数。 =================================原创 2021-05-01 17:32:02 · 4215 阅读 · 1 评论