摘要：
1. 有时候单一高斯分布不能很好的描述分布 image.png 上图左面用单一高斯分布去描述，显然没有右图用两个高斯分布去描述的效果好。 2. 引入混合高斯分 这里插一句，为什么是“高斯混合模型”，而不是别的混合模型，因为从中心极限定理知，只要K足够大，模型足够复杂，样本量足够多，每一块小区域就可以 阅读全文
posted @ 2020-04-08 11:00
qiynet
阅读(447)
评论(0)
推荐(0)
摘要：
边缘分布（Marginal Distribution）指在概率论和统计学的多维随机变量中，只包含其中部分变量的概率分布。 参阅Wikipedia举例，下图中，X和Y遵从绿圈内所示的二元正态分布，红线和蓝线分别表示Y变量和X变量的边缘分布 阅读全文
posted @ 2020-04-07 21:37
qiynet
阅读(9708)
评论(0)
推荐(0)
摘要：
正态分布是与中的定量现象的一个方便模型。各种各样的心理学测试分数和现象比如计数都被发现近似地服从正态分布。 开始前，先看几个重要概念： 概率函数：把事件概率表示成关于事件变量的函数 概率分布函数：一个随机变量ξ取值小于某一数值x的概率，这概率是x的函数，称这种函数为随机变量ξ的分布函数，简称分布函数 阅读全文
posted @ 2020-04-07 19:29
qiynet
阅读(1241)
评论(0)
推荐(0)
摘要：
前言：介绍了最简单的最大似然估计，距离实现「朴素贝叶斯」还有一些距离。在这篇文章，我想分享一下，我所理解的「最大似然估计 - 高斯分布」。 问题 （这里都是玩具数据，为了方便理解才列出） 0123456789101112 X 1 2 3 4 4.2 4.4 4.6 4.8 5 6 7 8 y 0 0 阅读全文
posted @ 2020-04-07 19:08
qiynet
阅读(2446)
评论(0)
推荐(1)
摘要：
一，伯努利分布(bernouli distribution) 又叫做0-1分布，指一次随机试验，结果只有两种。也就是一个随机变量的取值只有0和1。记为: 0-1分布 或B(1,p)，其中 p 表示一次伯努利实验中结果为正或为1的概率。 概率计算： P(X=0)=p0P(X=1)=p1 期望计算： E 阅读全文
posted @ 2020-04-07 16:52
qiynet
阅读(1269)
评论(0)
推荐(0)
摘要：
“802.11n和802.11b/g的区别是：802.11n是802.11b/g的升级版本，传输速度更快。802.11b，802.11g和802.11n是基于802.11无线传输协议的标准。802.11n是目前最先进的无线传输标准。” 对我们普通用户来讲，肯定是知道，最新的技术是最好的，802.11 阅读全文
posted @ 2020-04-07 16:43
qiynet
阅读(3274)
评论(0)
推荐(0)
摘要：
梯度下降和随机梯度下降之间的关键区别： 1、标准梯度下降是在权值更新前对所有样例汇总误差，而随机梯度下降的权值是通过考查某个训练样例来更新的。 2、在标准梯度下降中，权值更新的每一步对多个样例求和，需要更多的计算。 3、标准梯度下降，由于使用真正的梯度，标准梯度下降对于每一次权值更新经常使用比随机梯 阅读全文
posted @ 2020-04-06 16:47
qiynet
阅读(2932)
评论(0)
推荐(0)
摘要：
jekyll的核心其实是一个文本转换引擎。它的概念其实就是：你用你最喜欢的标记语言来写文章，可以是markdown，也可以是textile，或者就是简单的HTML，然后jekyll就会帮你套入一个或一系列的布局中。在整个过程中你可以设置url路径，你的文本在布局中显示的样式等等。这些都可以通过纯文本 阅读全文
posted @ 2020-04-03 15:35
qiynet
阅读(423)
评论(0)
推荐(0)
摘要：
本文主要介绍在Ubuntu14.04系统环境中编译hostapd，以及其使用。 我的需求是在linux上创建WIFI热点，最早接触的是ap-hostapd这个脚本，然后参考网络文章安装hostapd以及dnsmasq。对于ap-hostpad的使用，网络已经有大量文章，笔者也就不再写了。不过由于ho 阅读全文
posted @ 2020-04-01 16:42
qiynet
阅读(1826)
评论(0)
推荐(0)
摘要：
协方差对于变量X、Y，协方差的定义为每个时刻的“X值与其均值之差”乘以“Y值与其均值之差”的均值（其实是求“期望”）。因此，如果x与x的均值差与y与y的均值差的符号相同，则协方差值大于0，符号相反，则协方差值小于0，总结如下： 图2 图3 图4 解释一： X 越大 Y 也越大， X 越小 Y 也越小 阅读全文
posted @ 2020-04-01 09:47
qiynet
阅读(1705)
评论(0)
推荐(0)
摘要：
1.先验概率与后验概率先验（A priori；又译：先天）在拉丁文中指“来自先前的东西”，或稍稍引申指“在经验之前”。近代西方传统中，认为先验指无需经验或先于经验获得的知识。它通常与后验知识相比较，后验意指“在经验之后”，需要经验。这一区分来自于中世纪逻辑所区分的两种论证，从原因到结果的论证称为“先 阅读全文
posted @ 2020-03-31 19:15
qiynet
阅读(1030)
评论(0)
推荐(0)
摘要：
OpenCV 3是一种先进的计算机视觉库，可以用于各种图像和视频处理操作，通过OpenCV 3 能很容易地实现一些有前景且功能先进的应用（比如：人脸识别或目标跟踪等）。从图像处理的基本操作出发，计算机视觉是一个快速发展的学科，在现实生活中，它的应用增长得非常快，需要不断地学习全新的OpenCV 3. 阅读全文
posted @ 2020-03-31 11:20
qiynet
阅读(2167)
评论(1)
推荐(0)
摘要：
作者：采石工链接：https://www.zhihu.com/question/20822510/answer/45691624来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 下面是我的整理：网站：OpenCV 官网OpenCV论坛OpenCV中文网站Hello, C 阅读全文
posted @ 2020-03-31 11:19
qiynet
阅读(1846)
评论(0)
推荐(0)
摘要：
Generative Adversarial Network，就是大家耳熟能详的 GAN，由 Ian Goodfellow 首先提出，在这两年更是深度学习中最热门的东西，仿佛什么东西都能由 GAN 做出来。我最近刚入门 GAN，看了些资料，做一些笔记。 1.Generation 什么是生成（gene 阅读全文
posted @ 2020-03-27 21:46
qiynet
阅读(277)
评论(0)
推荐(0)
摘要：
图1：面部交换和重新激活。左：源面交换到目标上。右：用于控制源图像中出现的面部表情的目标视频。在这两种情况下，我们的结果出现在中间。更多信息请访问我们的网站：https://nirkin.com/fsgan。 我们提出了一种人脸交换gan（fsgan）来实现人脸交换和再激活。与之前的工作不同，fsg 阅读全文
posted @ 2020-03-27 17:01
qiynet
阅读(712)
评论(0)
推荐(0)
浙公网安备 33010602011771号