Zhengsahami的专栏

  EM算法是一种迭代算法，每次迭代由两步组成：E步和M步，E步一般求响应度，M步一般求模型参数值。EM用于含有隐变量的概率模型参数的极大似然估计，常用于混合高斯模型、隐马尔科夫模型等的参数估计。  作为迭代算法，必须要考虑EM算法的收敛性。这里需要简要提及其推导，目标是极大化观测数据Y关于参数theta的极大似然函数。基于log函数是一个凹函数，基于Jensen不等式，我们找到对数似然函数的一个...

（1）问题介绍 目的：提取序列图像的patch 函数和模块： import tensorflow as tf import numpy as np import pickle tf.extract_image_patches() np.expand_dims(imgData[:,:,d], axis=0) 数据： band1 = [[[[x * n + y + 1] for y ...