Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
数字图像处理:使用直方图统计进行图像增强
一 引言 在 数字图像处理 局部直方图处理 Local Histogram Processing https blog csdn net LaoYuanPython article details 120383974 介绍了基于像素的邻域进
老猿Python
图像处理基础知识
概率论
直方图
图像增强
机器学习:EM算法
一 初识EM算法 EM算法也称期望最大化 Expectation Maximum 简称EM 算法 它是一个基础算法 是很多机器学习领域算法的基础 比如隐式马尔科夫算法 HMM 等等 EM算法是一种迭代优化策略 由于它的计算方法中每一次迭代都
机器学习
1024程序员节
EM算法
人工智能
概率论
如何理解Diffusion
Diffusion算法可以有多个角度进行理解 不同的理解方式只是对目标函数进行了不同的解释 其主体思想是不变的 可以归纳为 训练时通过图片逐步添加噪声 变为一个纯噪声 然后学习每一步的噪声 推理时给定一个随机噪声图片 然后通过学习到的噪声生
机器学习
概率论
人工智能
[概率论与数理统计-5]:一元连续随机变量=>几何图形=>样本空间=>组合样本=>长度/面积/体积=>几何概率
作者主页 文火冰糖的硅基工坊 文火冰糖 王文兵 的博客 文火冰糖的硅基工坊 CSDN博客 本文网址 https blog csdn net HiWangWenBing article details 123727473 目录 第1章 什么是
概率论与数理统计
概率论
数理统计
几何概率
【机器学习】线性回归【上】朴素最小二乘估计
有任何的书写错误 排版错误 概念错误等 希望大家包含指正 由于字数限制 分成两篇博客 机器学习 线性回归 上 朴素最小二乘估计 机器学习 线性回归 下 正则化最小二乘估计 提醒 下文中的 alpha 和 lambda
机器学习
线性代数
矩阵
概率论
人工智能
期末考试复习笔记(标红表示重要)
目录 相关系数的比较 数据的类型 回归模型的统计检验与统计意义 参数检验 非参数检验 统计距离 量表 李克特量表 权重 聚类图分析 聚类分析简介 聚类的用途 聚类方法 两步聚类法 TwoStep Cluster 箱线图分析 中心位置的作用
机器学习
概率论
人工智能
AUC的计算、物理意义,
文章目录 一 定义 二 性质 三 计算 3 1 方法一 根据定义 3 2 方法二 根据意义 3 3 方法三 方法二优化 3 4 方法四 工业场景 四 物理意义推导 一 定义 ROC曲线与坐标轴围成的面积 ROC曲线由不同阈值下 TPR Y轴
AI调参侠
推荐系统
机器学习
算法
概率论
连续型随机变量的分布(均匀分布、指数分布、正态分布)
一 均匀分布 均匀分布是指在一个区间内各个数值出现的概率相等的一种随机分布 均匀 这一概念可以理解为 在任何子区间上 变量的取值概率相等 它的概率密度函数为 其中 a和b分别为区间的上下限 均匀分布的特点是 它的概率密度函数为常数 即该分布
概率论
机器学习
人工智能
常用的概率分布:伯努利分布、二项分布、多项式分布、高斯分布、指数分布、拉普拉斯分布和Dirac-delta分布
伯努利分布 Bernoulli distribution 伯努利分布 单个二值随机变量的分布 由单个参数 0 1 控制 例 抛硬币 正面朝上的概率 二项式分布 binomial distrubution 二项式分布 在n次试验中事件A恰好发
概率论
机器学习
人工智能
随机事件及其概率(一):
一 事件的关系和运算 事件的和 并 事件A 与事件B 中至少有一个事件发生 这个事件称为事件A与B 的和事件 记做 例如一件事 它发生有两种方案 就可以并起来 因为他们之和是发生这件事的总概率 事件的积 交 事件A和事件B同时发生 即事件A
概率论
什么是吉布斯采样(Gibbs Sampling)
目录 1 蒙特卡洛方法 1 1 蒙特卡洛方法的作用 1 2 非均匀分布采样 1 3 分布p x 不好采样怎么办 2 什么是吉布斯采样 2 1 马尔可夫链 2 1 1 什么是马尔可夫链呢 2 1 2 为什么我们要引入马尔可夫链 2 1 3 对
算法基础
概率论
时钟分频的几个细节理解
时钟分频原理简单 但需要注意几个细节 计数器分频 是基于源时钟div2 4 8 16 32 64 如果基于分频器串联 那么需要定义很多分频时钟 提升sdc时钟定义的复杂性 计数器分频 要注意所有div2 4 8 16 32 64 需要保证同
verilog
Linux
概率论
熵、联合熵、条件熵
1 单变量的熵 离散型随机变量的熵 熵是一个随机变量不确定性的度量 一个随机变量的熵越大 意味着不确定性越大 换言之 该随机变量包含的信息量越大 必然事件是确定无疑的 并不含有不确定性 所以必然事件的熵应该是0 也就是说 必然事件不含有信息
算法
概率论
人工智能
GM(1,1)预测模型的残差检验、关联度检验、后验差检验代码
在建立好灰色模型后 首先要进行模型的检验 以检验模型的效果 一般有三种检验方法 相对残差检验 关联度检验 后验差检验 当三种检验全部通过时 表明模型的效果较好 才可以使用模型进行后续的预测 否则 将要对模型进行残差修正 直到三种检验均通过为
概率论
算法
宋浩概率论与数理统计-第三章-笔记
概率论与数理统计 第三章 3 1 1 二维随机变量及其分布函数 联合分布 边缘分布 3 1 2 二维离散型的联合分布和边缘分布 3 1 3 二维连续型的联合分布和边缘分布 联合分布 边缘分布 3 2 1 条件分布 3 2 2 离散型的条件分
概率论与数理统计
概率论
数学
快速搞懂无偏估计及样本方差中的n-1
期望EX 方差DX 我们知道任一样本和总体是同分布的 所以任一样本的期望即总体期望 均值 任一样本的方差即总体方差 所以对于任一样本X 有 E X E
机器学习
概率论
np.argmax()
np argmax 表示返回索引最大值 需要区分索引和元素值 先说结论 三维张量时 将张量看成正方体 axis 0时表示沿高度轴 深度方向 各元素最大值 返回结果形状与正方体顶面相同 axis 1时表示沿宽度轴 矩阵行方向 各元素最大值 返
概率论
机器学习
线性代数
深度学习
【论文阅读】文献阅读笔记-泊松重建
先了解泊松分布 就二项分布而言 泊松分布可以是二项分布的推广 样本数趋向于无穷大 而事件发生的概率趋近于0时 此时期望满足np Lamda 常数 且此时事件发生的概率满足泊松分布 且概率的计算只与Lamda有关 但泊松方程和泊松分布没啥关系
论文阅读
概率论
人工智能
范数的数学意义
L0 L1 L2范数的数学意义 如有不当 敬请斧正 Tips 范数所表示的一些数学意义 众数 中位数 均值 A mathcal A A L0范数 求L0范数最小时 表示的是数据中的众数modes 假设
Mathematics
机器学习
概率论
线性代数
深度学习
[CCPC] 2017秦皇岛 NumbersI
题目描述 DreamGrid has a nonnegative integer n He would like to divide n into m nonnegative integers a1 a2 am and minimizes
Java大数
Java
算法
概率论
«
1
2
3
4
5
6
7
8
...13
»