共轭

深度学习基础（九）—— 深度学习中的优化方法

SGD（随机梯度下降），LBFGS（受限的BFGS），CG（共轭梯度法）References[1]deepautoencoderwithL-BFGS
lanchunhui·2016-05-09 10:00

hdu1246自共轭Ferrers图

题目链接：http://acm.hdu.edu.cn/showproblem.php?pid=1246参照大神的DP的思路：状态方程:f[i][j]=f[i][j-1]+f[i-2*j+1][j-1],f[i][j]代表了i个方格第一行不超过j解得的个数。代码：#include intf[500][500]; constintmaxn=300; voidinit() { for(inti=0;
wsn564533648·2016-05-08 22:00

凸优化之优化、对偶、KKT-七月算法（julyedu.com）4 月机器学习算法班学习笔记

优化一般优化问题的基本形式凸优化的基本形式共轭函数共轭函数是凸函数对偶问题拉格朗日函数拉格朗日对偶函数KKT条件小结优化一般优化问题的基本形式minimizef0(x),x∈Rns.t.fi(x)≤0,
zhzhji440·2016-05-07 00:00

机器学习基础（五十九）—— 高级优化算法（L-BFGS、共轭梯度）

优化算法两大核心，一曰：方向，比如由负梯度方向给出；二曰：步长。迄今为止，我们的讨论都集中在使用梯度下降法来最小化J(θ)。如果你已经实现了一个计算J(θ)和∇θJ(θ)的函数，那么其实还有更精妙的算法来最小化J(θ)。举例来说，可以想象这样一个算法：它使用梯度下降，并能够自动调整学习速率α，以得到合适的步长值，最终使θ能够快速收敛到一个局部最优解。还有更妙的算法：比如可以寻找一个Hessian矩
lanchunhui·2016-04-29 10:00

matlab 复矩阵共轭

0.0000i3.0000+4.0000i2.0000+5.0000i1.0000+0.0000i 7.0000+0.0000i8.0000+2.0000i9.0000+0.0000i6.0000+0.0000iA’：共轭转置
lanchunhui·2016-04-17 20:00

Bayesian statistics

2Computingthemarginallikelihoodevidence2-1BICapproximationtologmarginallikelihood2-2贝叶斯因子3先验3-1确定无信息先验分布的Jeffreys原则3-2共轭先验
yuliured·2016-04-05 00:41

Bayesian statistics

2Computingthemarginallikelihoodevidence2-1BICapproximationtologmarginallikelihood2-2贝叶斯因子3先验3-1确定无信息先验分布的Jeffreys原则3-2共轭先验
yuliured·2016-04-05 00:00

机器学习：贝叶斯总结_2：概率分布

伯努利分布Bern(x|μ)=μx(1−μ)1−xμML=mN:正面朝上的概率，是数据集中正面朝上的观测所占的比例Beta分布共轭性：先验和后验具有相同的形式；先验概率正比于似然函数，则后验概率和先验概率具有相似的形式
mijian1207mijian·2016-04-02 23:00

[理论篇]深度理解Powell优化算法

1.鲍威尔优化法综述鲍威尔法又称方向加速法，它由Powell于1964年提出，是利用共轭方向可以加快收敛速度的性质形成的一种搜索方法。
shenziheng1·2016-03-31 22:00

优化算法（编辑中）

泰勒级数展开式分析性能曲面的一个工具最速下降法牛顿法共轭梯度法参考1.《神经网络设计》
foolsnowman·2016-03-28 16:00

机器学习：贝叶斯_1：贝叶斯估计

−γ)β−1Γ(Z)是γ函数后验概率r视为随机变量R；p(r|yN)=P(yN|r)p(r)P(yN)P(yN|r):似然值；在一个特定的r下，观测到yN的可能性p(r):先验概率P(yN):边缘分布共轭先验如果似然和先验是一对共轭
mijian1207mijian·2016-03-28 00:00

贝叶斯推理

共轭的先验和似然，意味着先验和后验有相同形式（高斯先验加高斯似然导致一个高斯后验）但其余部分，不能计算后验，采取近似的方法                                            
qq_20602929·2016-03-21 20:00

标准C++复数运算类详解及使用例程

+中复数运算可以通过两种方式来实现：1）标准C++复数运算库：complexObjectName(realPart,imagePart);2）自定义复数运算类：包括复数的实部、虚部、四则运算、模运算、共轭等
学不死·2016-03-17 11:59

机器学习的贝叶斯方法

（模型），我们观察到数据(D)的可能性P(h):先验概率，可有先验信念大体确立后验概率最大化准则等价于期望风险最小化准则边缘分布P(D),也称边缘似然值,（意义），然而不幸的是除极少数情况外，很难计算共轭先验增加更多数据增加更多的数据来确定后验分布
qq_20602929·2016-03-12 15:00

the Outline of Machine Learning

第1课数学分析与概率论Taylor展式及其应用、凸函数、Jensen不等式、常见分布与共轭分布第2课数理统计与参数估计Chebyshev不等式、大数定理、中心极限定理、矩估计、最大似然估计第3课矩阵和线性代数从马尔科夫模型看矩阵
u013058160·2016-02-29 17:00

贝叶斯规则和LDA主题模型

共轭先验和共轭分布P(θ)先验分布、P(θ|X)后验分布、P(X|θ)似然函数。
ae5555·2016-02-26 15:10

C++复数四则运算的实现

程序主要实现复数的加减乘，数乘，取共轭功能。将所有函数都定义为了成员函数。使用库函数atof将字符串转换为浮点型数据。函数主要难点在于处理输入。
wj_hubei·2016-02-16 10:27

自定义控件中如何实现按钮之间的共轭？

问题：布局如图控件BottomLayout为下方的三个ImageButton意图：将下方的三个按钮实现为时刻有且只有一个被选中（类似微博）最简单的解决方法：1packagecom.example.weibo; 2 3importandroid.content.Context; 4importandroid.util.AttributeSet; 5importandroid.view.Lay
giddens lee·2016-02-04 00:00

自定义控件中如何实现按钮之间的共轭？

问题：布局如图控件BottomLayout为下方的三个ImageButton意图：将下方的三个按钮实现为时刻有且只有一个被选中（类似微博）最简单的解决方法：1packagecom.example.weibo; 2 3importandroid.content.Context; 4importandroid.util.AttributeSet; 5importandroid.view.Lay
giddens lee·2016-02-04 00:00

python学习day2（二）

类与对象的关系对于Python，一切事物都是对象，对象基于类创建type是获取类的dir是获取这个类里面的成员2.int内部功能介绍bit_length:返回表示当前数字占用的最少位数；conjugate:返回复数的共轭复数
spykids·2016-01-25 15:00

python学习day2（二）

类与对象的关系对于Python，一切事物都是对象，对象基于类创建type是获取类的dir是获取这个类里面的成员2.int内部功能介绍bit_length:返回表示当前数字占用的最少位数；conjugate:返回复数的共轭复数
spykids·2016-01-25 15:00

从 Beta-Binomial 共轭到 Dirichlet-Multinomial 共轭

共轭分布/共轭先验（conjugateprior）：如果先验分布（p(θ) ）和似然函数（p(Xθ) ）使得先验分布（p(θ) ）和后验分布（p(θ|X) ）具有相同的形式（Beta(a,b)+B(n,
lanchunhui·2016-01-20 17:00

共轭先验（conjugate prior）

共轭是贝叶斯理论中的一个概念，一般共轭要说是一个先验分布与似然函数共轭；那么就从贝叶斯理论中的先验概率，后验概率以及似然函数说起：在概率论中有一个条件概率公式，有两个变量第一个是A,第二个是B,A先发生
司马_羽鹤·2016-01-19 21:00

共轭先验（conjugate prior）

共轭是贝叶斯理论中的一个概念，一般共轭要说是一个先验分布与似然函数共轭；那么就从贝叶斯理论中的先验概率，后验概率以及似然函数说起：在概率论中有一个条件概率公式，有两个变量第一个是A,第二个是B,A先发生
司马_羽鹤·2016-01-19 21:00

conj--复数的共轭值

【功能简介】求复数的共轭。【语法格式】 Y=conj(Z)  返回Z中元素的复共轭值，conj(Z)=real(Z)-i*imag(Z)。
qq_18343569·2015-12-28 09:00

概率分布（多项分布，Dirichlet分布）

通常为了方便推导参数的后验分布，会假设参数的先验分布是似然的某个共轭分布，这样后验分布和先验分布具有相同的形式，这可以大大简化建模过程中的数学推导
deropty·2015-12-11 17:54

LDA理解以及源码分析（二）

LDA系列的讲解分多个博文给出，主要大纲如下：LDA相关的基础知识什么是共轭multinomial分布Dirichlet分布LDAintextLAD的概率图模型LDA的参数推导伪代码GibbsLDA++
pirage·2015-12-09 17:00

LDA理解以及源码分析（一）

LDA系列的讲解分多个博文给出，主要大纲如下：LDA相关的基础知识什么是共轭multinomial分布Dirichlet分布LDAintextLAD的概率图模型LDA的参数推导伪代码GibbsLDA++
蜡笔大龙猫·2015-12-09 17:15

LDA理解以及源码分析（一）

LDA系列的讲解分多个博文给出，主要大纲如下：LDA相关的基础知识什么是共轭multinomial分布Dirichlet分布LDAintextLAD的概率图模型LDA的参数推导伪代码GibbsLDA++
pirage·2015-12-09 17:00

Python 核心编程 第五章 笔记

复数属性属性描述num.real该复数的实部num.imag该复数的虚部num.conjugate()返回该复数的共轭复数>>> aComplex = -8.333-1.47j >>> aComplex
forChan·2015-11-27 20:00

007-算法-迭代法

其它还包括最速下降法、共轭迭代法、变尺度迭代法、最小二乘法、线性规划、非线性规划、单纯型法、惩罚函数法、斜率投影法、遗传算法、模拟退火等等。 &nb
·2015-11-13 16:27

转：Conjugate prior-共轭先验的解释

Conjugate prior-共轭先验的解释    原文： http://blog.csdn.net/polly_yang/article/details/8250161
·2015-11-13 08:20

《模式识别与机器学习》学习笔记：2.0 前言

estimation     ill-posed 不适定的 # parametric distribution     conjugate prior 共轭先验
·2015-11-13 07:04

共轭梯度法

  最速下降法 1.最速下降方向 函数f(x)在点x处沿方向d的变化率可用方向导数来表示。对于可微函数，方向导数等于梯度与方向的内积，即： Df(x;d) = ▽f(x)Td, 因此，求函数f(x)在点x处的下降最快的方向，可归结为求解下列非线性规划： min ▽f(x)Td s.t.  ||d|| ≤&nb
·2015-11-13 00:03

MATLAB常用的函数

纯量的绝对值或向量的长度 　　angle(z)：复数z的相角(Phase angle) 　　sqrt(x)：开平方 　　real(z)：复数z的实部 　　imag(z)：复数z的虚部 　　conj(z)：复数z的共轭复数
·2015-11-12 21:13

day3_python学习笔记_chapter5_数字

num.conjugate()，返回该复数的共轭复数。 3.
·2015-11-12 18:02

读书笔记：离散时间信号处理：有理系统函数的频率响应

多个极点     如果系统的h[n]为实数，那么这个系统的频率响应必然有共轭对称的零点或极点（系统频率响应为实系数多项式）。
·2015-11-12 16:09

复分析可视化方法：笔记：解析拓展

我们首先对P*中的数z取共轭得到z*，z*必在P中。于是f(z*)必在Q中。因此对f(z*)再取共轭得到的f*(z)必在Q*中。
·2015-11-12 16:57

机器学习的数学基础（1）--Dirichlet分布

基础知识：conjugate priors共轭先验     共轭先验是指这样一种概率密度：它使得后验概率的密度函数与先验概率的密度函数具有相同的函数形式。它极大
·2015-11-12 15:40

共轭梯度(Conjugate gradient)

http://class.htu.cn/nla/chat5/sect5_1.htm 最速下降 http://class.htu.cn/nla/chat5/sect5_2.htm 共轭梯度
·2015-11-12 12:10

机器学习的数学基础（1）--Dirichlet分布

基础知识：conjugate priors共轭先验     共轭先验是指这样一种概率密度：它使得后验概率的密度函数与先验概率的密度函数具有相同的函数形式。
·2015-11-08 16:57

无约束极值问题的解法

常见的解析法有梯度下降法，共轭梯度法，变尺度法。常见的直接法有步长加速法。一、梯度下降法假设Xk表示极小值点的第k次迭代。求解第k+1次迭代过程为Xk+1=Xk+λPkPk
zhangzhengyi03539·2015-11-07 20:00

功率谱密度

直接法先取N点数据的傅里叶变换（即频谱），然后取频谱与其共轭的乘积，就得到功率谱的估计；间接法先计算N点样本数据的自相关函数，然后取自相关函数的傅里叶变换，即得到功率谱的估计.都可以编
·2015-11-07 14:17

机器学习复习——pLSA、LDA

：具体可以参考2010龙星计划：机器学习中对应的主题模型那一讲 LDA：主题模型，概率图如下：和pLSA不同的是LDA中假设了很多先验分布，且一般参数的先验分布都假设为Dirichlet分布，其原因是共轭分布时先验概率和后验概率的形式相同
renyp8799·2015-11-05 16:00

数学的故事之“共轭”

中国古人研究数学的历史能追溯到好几千前，例如勾股定理的文字记载最早出现在《周髀算经》（约公元前1世纪）中，而书中记载的关于这条定理的源起则更是古老：公元前十一世纪，周朝数学家商高同周公的一段对话中提到“勾三、股四、弦五”这样一种奇妙的关系。后来，到了明清时代，中国数学家开始从大量从传教士那里了解到了更多的西方数学成果。从这个时候开始，就逐渐出现了很多关于西方数学名词的译法，而且绝大部分都一直沿用至
白马负金羁·2015-11-02 14:56

2012长沙邀请赛A题（共轭构造+矩阵的快速幂）

So Easy! Time Limit: 2000/1000 MS (Java/Others)    Memory Limit: 32768/32768 K (Java/Others) Total Submission(s): 910    Accepted Submission(s): 247 Proble
·2015-11-02 12:41

【机器学习中的数学】多项式分布及其共轭分布

【机器学习中的数学】多项式分布及其共轭分布 多项变量(Multinomial Variables)       二元变量是用来描述只有两种可能值的量，而当我们遇到一种离散变量
·2015-11-02 11:14

Net数值计算MathNet.Numerics类库

一、Net自带的数值计算：System.Numerics 1、大整数BitInteger 方法：除数和余数、最大公约数 2、复数Complex 属性：实部、虚部、量值、相位 方法：共轭、倒数
·2015-10-31 15:00

PRML读书会第二章 Probability Distributions(贝塔-二项式、狄利克雷-多项式共轭、高斯分布、指数族等)

主讲人 网络上的尼采 （新浪微博: @Nietzsche_复杂网络机器学习） 网络上的尼采(813394698) 9:11:56  开始吧，先不要发言了，先讲PRML第二章Probability Distributions。今天的内容比较多，还是边思考边打字，会比较慢，大家不要着急，上午讲不完下午会接着讲。 顾名思义，PRML第二章Probability&
·2015-10-31 11:52

quaternion 四元数

把矩阵转成四元数用于计算失去其原有的几何意义 四元数 统一表示了 复数和矢量  可用来计算 平移，缩放旋转 当四元数是一个单位四元数时（意味着n为单位向量）它的倒数等于他的共轭
·2015-10-31 10:08
上一页 18 19 20 21 22 23 24 25 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他