zhaoyin654的博客

转自：http://blog.sina.com.cn/s/blog_5033f3b40101jfqu.html本系列是针对gibbs采样在LDA中的应用而学习总结的四个部分，但并不着重强调其在LDA中的应用，而是作为一个应用的普通例子来general的介绍Gibbs sampling的前前后后，主要参考是Sheldon M.Ross的《Simulation》（Fourth

转自：http://blog.csdn.net/scyer123/article/details/460091852006年，加拿大多伦多大学教授、机器学习领域的泰斗Geoffrey Hinton发表的这篇文章引起了深度学习的狂潮，使得深度学习死灰复燃。1、在数据降维中，可以利用多层神经网络。梯度下降法是传统的参数训练方法，但是当初始条件接近于最优解时，梯度下降方法得到

转自：http://blog.csdn.net/litoupu/article/details/16944359原文地址：http://blog.csdn.net/harryhuang1990/article/details/9924377最近在拜读项亮博士的《推荐系统实践》，系统的学习一下推荐系统的相关知识。今天学习了其中的隐语义模型在Top-N推荐中的应用，在此做一

转自：http://blog.csdn.net/alec1987/article/details/7414450正交矩阵、正规矩阵和酉矩阵在数学中，正规矩阵 是与自己的共轭转置交换的复系数方块矩阵，也就是说， 满足其中 是 的共轭转置。如果 是实系数矩阵，那么条件简化为 其中 是 的转置矩阵。矩阵的正规性是检验矩阵是否可对角化的一个简便方法：

转自：http://blog.csdn.net/sunboyiris/article/details/38318191转自：http://blog.csdn.net/haidao2009/article/details/7514787   浅谈 Adaboost 算法         机器学习是利用一些方法来使机器实现人的学习行为，以便获取新的知识或技能，重新组织已

转自：http://blog.csdn.net/likelet/article/details/7056068隐马尔可夫模型 (Hidden Markov Model，HMM) 最初由 L. E. Baum 和其它一些学者发表在一系列的统计学论文中，随后在语言识别，自然语言处理以及生物信息等领域体现了很大的价值。平时，经常能接触到涉及 HMM 的相关文章，一直没有仔细研究过，都是蜻蜓点

转自：http://blog.csdn.net/zouxy09/article/details/8537620从最大似然到EM算法浅解zouxy09@qq.comhttp://blog.csdn.net/zouxy09        机器学习十大算法之一：EM算法。能评得上十大之一，让人听起来觉得挺NB的。什么是NB啊，我们一般说某个人很NB，是

转自：http://blog.csdn.net/xiahouzuoxin/article/details/41118351此文有一半转载自他出，主要在这进行个整理，具体内容文中都有相关的转载链接。特征值与特征向量的几何意义矩阵的乘法是什么，别只告诉我只是“前一个矩阵的行乘以后一个矩阵的列”，还会一点的可能还会说“前一个矩阵的列数等于后一个矩阵的行

转自：http://blog.csdn.net/v_july_v/article/details/41209515 通俗理解LDA主题模型0 前言    印象中，最开始听说“LDA”这个名词，是缘于rickjin在2013年3月写的一个LDA科普系列，叫LDA数学八卦，我当时一直想看来着，记

转自：http://blog.sina.com.cn/s/blog_5033f3b40101jgmv.html因上篇太长，这里本文完全续上文：Gibbs Sampling(二)：Gibbs Sampling总结2.【关于文中积分到期望的转化】基本上，任何的概率、积分、和求和都是possible表达成期望的形式的。       概率形式： P(

转自：http://blog.sina.com.cn/s/blog_5033f3b40101jgmi.html1. Introduction Markov Chain Monte Carlo(MCMC) techniques like Gibbs sampling provide a principled way to approximate the value of

注：本篇blog旨在对文章RAdam: on the variance of the adaptive learning rate and beyond 进行理解引言x123p1/31/31/3 由上述简单的均匀分布可知，E(x) = 2, D(x) = 2 / 3x123p1/41/21/4 由上述简...