引言GAN专题介绍了GAN的原理以及一些变种，这次打算介绍另一个重要的生成模型——变分自编码器（Variational AutoEncoder，VAE）。但在介绍编码器之前，这里会先花一点时间介绍变分推断（Variational Inference，VI），而这一小系列最后还会介绍贝叶斯神经网络—— ...
分类：
其他好文 时间：
2020-06-23 00:52:11
阅读次数：
82
译自：https://hjweide.github.io/adversarial-autoencoders 1.自编码器AE作为生成模型 我们已经简要提到过，编码器输出的属性使我们能够将输入数据转换为有用的表示形式。在使用变分自动编码器的情况下，解码器已受过训练，可以从类似于我们选择的先验样本的样本 ...
分类：
其他好文 时间：
2020-06-16 21:55:44
阅读次数：
218
Option Explicit ValidationMode = True InteractiveMode = im_Batch Dim mdl ' the current model ' get the current active model Set mdl = ActiveModel If ( ...
分类：
其他好文 时间：
2020-06-01 13:35:59
阅读次数：
83
建立数据模型层，我们的业务逻辑分开，然后进行后台数据的调试。按照真实项目的开发目录接口和文件组织来进行开发。 建立商品详细模型 我们还是用快速生成的方式建立一下商品详细页的接口模型，有这样一段从后端获取的JSON，直接用快速生成的方式，把这段JSON生成模型，然后进行必要的修改。 {"code":" ...
分类：
其他好文 时间：
2020-05-25 16:05:13
阅读次数：
101
结果部署是机器学习的最后一步。 选定算法之后，对算法训练生成模型，并部署到生产环境上，以便利用机器学习解决实际问题。 模型生成之后，也需要定期对模型进行更行，是模型处于最新，最有效的状态，通常建议3-6月更新一次模型。 生成的模型序列化之后，当有新的数据出现时，需要反序列化已保存的模型，然后用其预测 ...
分类：
系统相关 时间：
2020-05-25 09:32:16
阅读次数：
64
线性判据与回归 线性判据基本概念 生成模型 给定训练样本{$x_n$}，直接在输入空间内学习其概率密度函数p(x) 优势 可以根据p(x)采样新的样本数据(synthetic data) 可以检测出较低概率的数据,实现离群点检测(outlierdetection) 劣势 高维下，需要大量的训练样本才 ...
分类：
其他好文 时间：
2020-05-05 23:48:31
阅读次数：
97
前言 3D 场景中的面不只有水平面这一个，空间是由无数个面组成的，所以我们有可能会在任意一个面上放置物体，而空间中的面如何确定呢？我们知道，空间中的面可以由一个点和一条法线组成。这个 Demo 左侧为面板，从面板中拖动物体到右侧的 3D 场景中，当然，我鼠标拖动到的位置就是物体放置的点，但是这次我们 ...
分类：
Web程序 时间：
2020-05-03 10:34:47
阅读次数：
75
利用现有的sql文件导入powerdesigner生成模型： 1. 打开powerdesigner，点击“文件”按钮如下图： 2. 打开之后如图所示选择： 3. 点击确定之后如图所示： 点击 Add Files 按钮 选择所要导入的sql文件，点击确定，即可生成模型 ...
分类：
数据库 时间：
2020-04-16 15:01:19
阅读次数：
71
[toc] 一、深度信念网络（DBN） 2006年，“神经网络之父”Geoffrey Hinton祭出神器深度信念网络，一举解决了深层神经网络的训练问题，推动了深度学习的快速发展。 深度信念网络（Deep Belief Nets），是一种概率生成模型，能够建立输入数据和输出类别的联合概率分布。 深度 ...
分类：
其他好文 时间：
2020-04-13 00:41:46
阅读次数：
98
一、引入 最开始知道生成模型和判别模型，是在李航的统计学习方法里，当时的理解是：生成模型，就是同时考虑了X和Y的随机性，也就是说二者都是随机变量；判别模型，就是只考虑了Y的随机性，而X并不是个随机变量，即使X存在于条件中，但是并没有p(x)这种说法。当时同时也知道了，朴素贝叶斯和隐马尔可夫都是生成模 ...
分类：
其他好文 时间：
2020-03-27 00:47:38
阅读次数：
176
