kkzhang - 博客园

2020年8月7日

摘要： STGNNs：SPATIAL–TEMPORAL GRAPH NEURAL NETWORKS 许多实际应用中的图在图结构和图输入方面都是动态的。STGNNs在捕获图的动态性方面占有重要地位。这类方法的目的是建模动态节点输入，同时假设连接节点之间的相互依赖性。STGNNs同时捕获一个图的空间和时间依赖阅读全文

posted @ 2020-08-07 15:11 kkzhang 阅读(2993) 评论(0) 推荐(0) 编辑

Conversation Modeling on Reddit Using a Graph-Structured LSTM

摘要： publish: Transactions of the Association for Computational Linguistics，2016 tasks: predicting popularity of comments in Reddit discussions contributio 阅读全文

posted @ 2020-08-07 10:23 kkzhang 阅读(24) 评论(0) 推荐(0) 编辑

2020年7月23日

Visdom

摘要：安装visdom pip install visdom 启动visdom服务 python -m visdom.server visdom绘制各种图形： visdom属性介绍：实例： from visdom import Visdom import numpy as np import math 阅读全文

posted @ 2020-07-23 10:40 kkzhang 阅读(374) 评论(0) 推荐(0) 编辑

2020年7月3日

模糊神经网络

摘要：阅读全文

posted @ 2020-07-03 23:38 kkzhang 阅读(1584) 评论(0) 推荐(0) 编辑

自组织竞争人工神经网络

摘要：阅读全文

posted @ 2020-07-03 23:29 kkzhang 阅读(176) 评论(0) 推荐(0) 编辑

统计学基础

摘要：关于期望、方差、协方差、协方差矩阵的定义和计算：🔗 期望是线性的。方差（variance）衡量的是对数据x依据它的概率分布采样时，随机变量x的函数值会呈现多大的差异。方差的平方根为标准差（standard deviation）。协方差（covariance）在某种意义上给出了两个变量线性相关性的强阅读全文

posted @ 2020-07-03 23:11 kkzhang 阅读(546) 评论(0) 推荐(0) 编辑

Kalman卡尔曼滤波，Least Square最小二乘估计，加权最小二乘，递归最小二乘

摘要：以下是Kalman的收敛性证明思路： cite:Stochastic Processes and Filtering Theory 阅读全文

posted @ 2020-07-03 22:07 kkzhang 阅读(517) 评论(0) 推荐(0) 编辑

临近梯度下降算法（Proximal Gradient Method）的推导以及优势

摘要：邻近梯度下降法对于无约束凸优化问题，当目标函数可微时，可以采用梯度下降法求解；当目标函数不可微时，可以采用次梯度下降法求解；当目标函数中同时包含可微项与不可微项时，常采用邻近梯度下降法求解。上述三种梯度算法均属于离线批处理类型算法，在大规模的数据问题中，每次迭代都需要计算整个数据集梯度，因而需要较阅读全文

posted @ 2020-07-03 21:33 kkzhang 阅读(3738) 评论(0) 推荐(0) 编辑

迭代阈值收缩算法ISTA，背后的思想与具体推到过程

摘要：阅读全文

posted @ 2020-07-03 21:23 kkzhang 阅读(2312) 评论(0) 推荐(0) 编辑

经典的损失函数：交叉熵和MSE

摘要：经典的损失函数： ①交叉熵（分类问题）：判断一个输出向量和期望向量有多接近。交叉熵刻画了两个概率分布之间的距离，他是分类问题中使用比较广泛的一种损失函数。概率分布刻画了不同事件发生的概率。熵的定义：解决了对信息的量化度量问题，香农用信息熵的概念来描述信源的不确定度，第一次用数学语言阐明了概率与信息阅读全文

posted @ 2020-07-03 13:22 kkzhang 阅读(1658) 评论(0) 推荐(0) 编辑

Dream

公告