方法一：保存基态最小点结构，然后进行激发态计算 首先进行基态opt（不加激发态关键词即可），然后将log文件导入Gaussian view，保存最终结构，然后使用该结构进行激发态结构优化 方法二：两次计算写到一个输入文件；使用“--link1--”参数，顺次计算 %nproc=56%mem=20GB ...
分类：
其他好文 时间：
2021-06-02 17:23:47
阅读次数：
0
sklearn.base 基础类 & 工具类 sklearn.calibration 概率 sklearn.cluster 聚类 sklearn.compose 复合 sklearn.covariance 协方差 sklearn.cross_decomposition 交叉分解 sklearn.da ...
对于同一个input ，在某个正态分布上所在的区间更接近置信区间中心，对应的Y值大 ，说明它更像是这个label上的某一个样本 Geogebra 模拟 label0： label1： result summary： label0: meanVal : array([4.96571429, 3.388 ...
分类：
其他好文 时间：
2021-04-27 14:22:28
阅读次数：
0
比如，你遇到的一个任务，目前只有小几百的数据，然而目前流行的最先进的神经网络都是成千上万的图片数据，可以通过数据增强来实现。 常用的数据增强手段： Flip（翻转） Rotation（旋转） Scale（缩放） Random Move&Crop（移位&裁剪） Gaussian Noise（高斯噪声） ...
分类：
其他好文 时间：
2020-07-19 23:06:54
阅读次数：
79
（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
目录 知识串讲 HMM VS MEMM 从随机场到马尔科夫随机场 条件随机场(CRF) MRF因子分解定理 线性链条件随机场(Linear-CRF) 一句话简介：条件随机场(Conditional Random Fields, 以下简称CRF)是给定一组输入序列条件下另一组输出序列的条件概率分布模型 ...
分类：
其他好文 时间：
2020-06-21 23:30:06
阅读次数：
52
翻译自NCL Documentation: Description of Gaussian, fixed, fixed offset, regular, curvilinear grids 高斯网格 Gaussian Grids 高斯网格是一种可以通过一维纬度和经度数组（即，坐标是正交的）唯一访问每 ...
分类：
其他好文 时间：
2020-06-21 00:28:35
阅读次数：
62
https://www.bilibili.com/video/BV15E411f7PT phi: variational parameters q: a family of distribution, e.g., Gaussian distribution ...
分类：
其他好文 时间：
2020-06-08 20:42:53
阅读次数：
55
k-means应该是原来级别的聚类方法了，这整理下一个使用后验概率准确评测其精度的方法—高斯混合模型。 我们谈到了用 k-means 进行聚类的方法，这次我们来说一下另一个很流行的算法：Gaussian Mixture Model (GMM)。事实上，GMM 和 k-means 很像，不过 GMM ...
分类：
其他好文 时间：
2020-05-14 19:24:26
阅读次数：
64
高斯噪声即呈正态分布的干扰噪声，用作增加光谱的扰动或图像的干扰。主要对光谱加噪进行分析。 其实Matlab本身就有比较成熟的加噪函数imnoise，y1=imnoise（y，'gaussian',M,V）； y为原始光谱，gaussian为噪声类型为高斯，M为扰动均值，V为方差（可以理解为为信号的强 ...
分类：
其他好文 时间：
2020-05-11 23:53:47
阅读次数：
159
