GAN原理介绍 GAN 来源于博弈论中的零和博弈，博弈双方，分别为生成模型与判别模型。 生成模型G捕捉样本数据的分布，用服从某一分布例如正太，高斯分布的噪声z来生成一个类似真实训练数据的样本，追求的效果是越像真实越好。 判别模型是一个二分类器，判别样本来自于训练数据还是真实数据的概率。如果来自于真实 ...
分类：
其他好文 时间：
2021-06-20 18:06:47
阅读次数：
0
一、线性回归 一、线性回归 ? 假设有数据有 ，其中 , 。其中m为训练集样本数，n为样本维度，y是样本的真实值。线性回归采用一个多维的线性函数来尽可能的拟合所有的数据点，最简单的想法就是最小化函数值与真实值误差的平方（概率解释-高斯分布加最大似然估计）。即有如下目标函数： 其中线性函数如下： ? ...
分类：
其他好文 时间：
2021-04-28 12:19:06
阅读次数：
0
概率分布 假设每一个随机变量都符合高斯分布，那么根据已有的数据，就可以得到$\mu$ 和$\sigma$ 的估计值，从而得到其分布函数，然后就可以针对预测数据进行预测，针对多维数据，采用高维高斯分布，每一维度都是独立的，并且都符合高斯分布，计算出每一维度的高斯分布函数，可以得到多维高斯分布函数，然后 ...
分类：
其他好文 时间：
2020-09-12 21:12:57
阅读次数：
40
本文主要解读CenterNet如何加载数据，并将标注信息转化为CenterNet规定的高斯分布的形式。 1. YOLOv3和CenterNet流程对比 CenterNet和Anchor-Based的方法不同，以YOLOv3为例，大致梳理一下模型的框架和数据处理流程。 YOLOv3是一个经典的单阶段的 ...
分类：
Web程序 时间：
2020-07-30 18:23:01
阅读次数：
91
一、概述 假设有以下数据： $$X=(x_{1},x_{1},\cdots ,x_)=\begin x_{1}\ x_{2}\ \vdots \ x_ \end{N \times p}\ 其中x\in \mathbb^且x_\overset{\sim }N(\mu ,\Sigma )\ 则参数\th ...
分类：
其他好文 时间：
2020-07-22 20:58:47
阅读次数：
72
1. 变分自编码器（Variational Auto-Encoder，VAE） https://blog.csdn.net/jackytintin/article/details/53641885 2. 高斯分布的KL散度 https://blog.csdn.net/HEGSNS/article/d ...
分类：
其他好文 时间：
2020-07-06 00:47:33
阅读次数：
67
深度卷积生成对抗网络 Deep Convolutional Generative Adversarial Networks GANs如何工作的基本思想。可以从一些简单的，易于抽样的分布，如均匀分布或正态分布中提取样本，并将其转换成与某些数据集的分布相匹配的样本。虽然例子匹配一个二维高斯分布得到了交叉 ...
分类：
其他好文 时间：
2020-07-01 12:41:12
阅读次数：
58
（1）Gaussian 满足mean=0，std=1的高斯分布x～N(mean，std2) （2）Xavier 满足x～U(?a,+a)x～U(?a,+a)的均匀分布， 其中 a = sqrt(3/n) （3）MSRA 满足x～N(0,σ2)x～N(0,σ2)的高斯分布，其中σ = sqrt(2/n ...
分类：
其他好文 时间：
2020-06-22 20:56:55
阅读次数：
123
极大似然估计 我们先从极大似然估计说起，来考虑这样的一个问题，在给定的一组样本x1,x2······xn中，已知它们来自于高斯分布N(u, σ)，那么我们来试试估计参数u，σ。 首先，对于参数估计的方法主要有矩估计和极大似然估计，我们采用极大似然估计，高斯分布的概率密度函数如下： 我们可以将x1，x ...
分类：
编程语言 时间：
2020-05-18 23:05:34
阅读次数：
130
高斯分布 对于单维高斯分布而言，其概率密度函数可以表示成 $$ p(x)=\frac{1}{\sqrt{2 \pi}\sigma}e^{ \frac{(x u)^2}{2\sigma^2}} $$ 其中$u$表示均值，$\sigma^2$表示方差。 对于多维高斯分布而言，其概率密度函数可以表示成 $ ...
分类：
其他好文 时间：
2020-04-19 10:33:05
阅读次数：
100
