码迷,mamicode.com
首页 >  
搜索关键字:高斯分布    ( 262个结果
最小二乘与最大似然估计之间的关系
1、结论 测量误差(测量)服从高斯分布的情况下, 最小二乘法等价于极大似然估计。 2、最大似然估计 最大似然估计就是通过求解最大的(1)式得到参数,其中 L 函数称为参数的似然函数,是一个概率分布函数。 ...
分类:其他好文   时间:2016-03-09 12:44:28    阅读次数:136
让CNN跑起来,以下是调参的所有秘密
知乎上看到的 - 收集高质量标注数据 - 输入输出数据做好归一化,以防出现数值问题,方法就是主成分分析啥的。- 参数初始化很重要。太小了,参数根本走不动。一般权重参数0.01均方差,0均值的高斯分布是万能的,不行就试更大的。偏差参数全0即可。- 用SGD ,minibatch size 128。或者
分类:其他好文   时间:2016-03-09 10:57:06    阅读次数:166
最小二乘法
1、前言 a、本文主性最小二乘的标准形式,非线性最小二乘求解可以参考Newton法 b、对于参数求解问题还有另外一种思路:RANSAC算法。它与最小二乘各有优缺点: --当测量值符合高斯分布(或者说测量误差符合期望为0的高斯分布),使用最小二乘比较合适,可以获得比较稳定且很高的精度。 ...
分类:其他好文   时间:2016-03-08 10:33:38    阅读次数:181
最小二乘法
1、前言: a、本文中主要讲解线性最小二乘的标准形式及求解方法。 b、在同类问题的求解方法中,RANSAC算法是另一种求解思路,它们各有优点与缺点。 --当测量数据 x 属于高斯分布(期望为x的真值,或者说期望为0误差符合高斯分布)时,此时应选择最小二乘...
分类:其他好文   时间:2016-03-07 23:55:53    阅读次数:170
随机生成二维高斯分布类簇
mu = [11,10];sigma = [5,0;0 5]; rng default % For reproducibilityr1 = mvnrnd(mu,sigma,100);mu = [15,15];sigma = [2,0;0,5];r2 = mvnrnd(mu,sigma,100);m....
分类:其他好文   时间:2016-01-26 20:11:59    阅读次数:137
EM算法
本文原创, 转载请注明出处:http://www.cnblogs.com/gufeiyang/p/5036970.html 微博:flysea_gu 首先考虑这么一个问题。操场东边有100个男生,他们的身高符合高斯分布。操场西边有100个女生,她们的身高也符合高斯分布。 如果告诉了男生的身高...
分类:编程语言   时间:2015-12-10 21:20:05    阅读次数:168
[傅里叶变换及其应用学习笔记] 十. 卷积与中心极限定理
这份是本人的学习笔记,课程为网易公开课上的斯坦福大学公开课:傅里叶变换及其应用。中心极限定理(Central Limit Theorem)中心极限定理,简称CLT。大多数概率事件,当有足够多的取样时,都服从高斯分布。(Most probabilities – some kind of average...
分类:其他好文   时间:2015-12-03 07:13:49    阅读次数:168
高斯分布和二项分布属于指数分布族的证明
1、什么是指数分布族1.1 基本描述 指数型分布是一类重要的分布族,在统计推断中,指数型分布族占有重要的地位,在各领域应用广泛。许多的统计分布都是指数型分布,彼此之间具有一定的共性,在研究其统计性质与分布特征时,利用指数型分布族的特征,可以将这一族分布的特征分别表示出。在广义线性模型的统计推断...
分类:其他好文   时间:2015-11-08 20:36:25    阅读次数:566
随机数的生成:均匀分布、正态、泊松 、瑞利
不使用系统提供的随机数,利用其它算法产生。...
分类:其他好文   时间:2015-11-06 13:08:25    阅读次数:243
理解高斯分布
无意中在网上看到的一篇博文,记录一下:http://www.alanzucconi.com/2015/09/09/understanding-the-gaussian-distribution/ 自然界的许多现像看似是随机的,实际上却不一定。比如树和草地在以湖为中心的地方会更多一点,又比如一...
分类:其他好文   时间:2015-09-17 23:13:18    阅读次数:334
262条   上一页 1 ... 19 20 21 22 23 ... 27 下一页
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!