没长大的书生

摘要： 对于概率图模型，整个过程分为三个步骤： Reprentation：如何建模以表示现实世界中的不确定性和各个量之间的关系。 Inference：如何从我们建立的模型中去推知我们要求的问题（概率）。 Learnig：对于我的数据来说，什么模型是相对正确的？ 之前都是对Repretation的学习，从本篇 阅读全文

摘要： 本章总结几个模板模型：动态贝叶斯、隐马尔科夫和Plate模型 1 OverView of Template Models 为了达到不用每一都对问题建立模型，而是每次都对某一类问题有一个统一的模型进行处理，而提出了模板模型。模板模型（template model）编码了具有重复结构和共享参数的模型。从 阅读全文

摘要： 一、Log-Linear Models 将所有情况列成表格显示是很麻烦的，因此用一个模型来代替所有情况的显示是很重要的，因此便有了线性化模型，Log函数也是线性，因此便有了Log-Linear Models。 之前的分布用左边的公式来表达，其中factor Φi 将所有的情况全部罗列到了一起，为了能 阅读全文

摘要： 上一篇的末尾讲到了表现性的问题，贝叶斯网络不能完全表现出某些概率分布特征，而马尔科夫网络有更好的表现性，马尔科夫网络是无向图模型（UGM）。 一、Factors（因子） 每个因子可以是一个函数，也可以是一个表，表示其中的variables之间的关系。表示为Φ（X1，X2，...，Xk）。 facto 阅读全文

摘要： 整个专栏对最近学习的概率图模型（Probabilistic Graphical Models）做一个总结，本篇主要总结Bayesian Networks的基本原理。 1、对于多变量的分布 PGM的主要目的是提供一种有效的工具来解约多概率变量模型。用联合概率来表示多概率变量模型如下： P(X1,X2, 阅读全文

摘要： 当光从一种具有折射率为的介质向另一种具有折射率为的介质传播时，在两者的交界处（通常称作界面）可能会同时发生光的反射和折射。菲涅尔方程描述了不同光波分量被折射和反射的情况。也描述了波反射时的相变。 如果你站在湖边，低头看脚下的水，你会发现水是透明的，反射不是特别强烈；如果你看远处的湖面，你会发现水并不 阅读全文

摘要： 一、Snell’s Law（斯内尔定律） 二、Fresnel Effect（菲涅尔效应） 三、Bidirectional Reflection Distribution Function（双向反射分布函数BRDF） 四、Microfacet Model（微型模型） 五、Cook-Torrance模型 阅读全文

摘要： 题目：输出所有和为S的连续正数序列。序列内按照从小至大的顺序，序列间按照开始数字从小到大的顺序 阅读全文

摘要： 题目：一个整型数组里除了两个数字之外，其他的数字都出现了两次。请写程序找出这两个只出现一次的数字。要求时间复杂度是O(n),空间复杂度是O(1)。 阅读全文

摘要： 题目：输入一个vector数组，数组里面有正数也有负数。数组中一个或连续的多个整数组成一个子数组。求所有子数组的和的最大值。要求时间复杂度为O(n)。 阅读全文