搜索结果
查询Tags标签： theta，共有 140条记录-
python在球面上随机生成均匀点最简单的方法
如果在球坐标系的\theta和\phi下均匀分布产生点，点会集中在球的两极，所以应该将\theta映射到arccos(theta)上产生均匀分布的点： def generate_point():phi = random.uniform(0, 2*pi)theta = np.arccos(random.uniform(-1, 1))return(theta, phi) 数学过程参见Sphere P…
2021/12/23 17:11:49 人评论 次浏览 -
python在球面上随机生成均匀点最简单的方法
如果在球坐标系的\theta和\phi下均匀分布产生点，点会集中在球的两极，所以应该将\theta映射到arccos(theta)上产生均匀分布的点： def generate_point():phi = random.uniform(0, 2*pi)theta = np.arccos(random.uniform(-1, 1))return(theta, phi) 数学过程参见Sphere P…
2021/12/23 17:11:49 人评论 次浏览 -
自监督-Self-supervised Learning on Graphs:Deep Insights and New Directions
动机图数据于图像或者文本数据不同, 图像或者文本时属于欧式数据且都是服从独立同分布; 而对于图数据而言, 它是非欧式数据, 并且图中的节点相互连接表示着他们独立同分布的贡献探究了图上的自监督任务, 具体来说, 图有多种潜在的代理任务; 因此, 了解 SSL 在什么时候和为…
2021/12/22 23:24:21 人评论 次浏览 -
自监督-Self-supervised Learning on Graphs:Deep Insights and New Directions
动机图数据于图像或者文本数据不同, 图像或者文本时属于欧式数据且都是服从独立同分布; 而对于图数据而言, 它是非欧式数据, 并且图中的节点相互连接表示着他们独立同分布的贡献探究了图上的自监督任务, 具体来说, 图有多种潜在的代理任务; 因此, 了解 SSL 在什么时候和为…
2021/12/22 23:24:21 人评论 次浏览 -
【计算机图形学】离线渲染专题 (二)
【Computer Graphics】Offline Rendering Heskey0 (Bilibili) December 2021 Based On Mark Paulys Thesis[1999] and 《PBRT》 Contents Chapter 1 . Sampling Techniques In Path Tracing 1.1. Inverse CDF (Cumulative Density Function) There are many techniques fo…
2021/12/16 6:10:24 人评论 次浏览 -
【计算机图形学】离线渲染专题 (二)
【Computer Graphics】Offline Rendering Heskey0 (Bilibili) December 2021 Based On Mark Paulys Thesis[1999] and 《PBRT》 Contents Chapter 1 . Sampling Techniques In Path Tracing 1.1. Inverse CDF (Cumulative Density Function) There are many techniques fo…
2021/12/16 6:10:24 人评论 次浏览 -
算法导论第八章——线性时间排序
文章目录 8.1排序算法的下界8.2 计数排序8.3 基数排序8.4 桶排序8.1排序算法的下界 算法最好情况最糟情况平均情况是否原址插入排序Θ(n)\Theta(n)Θ(n)Θ(n2)\Theta(n^2)Θ(n2)Θ(n2)\Theta(n^2)Θ(n2)原址冒泡排序Θ(n)\Theta(n)Θ(n)Θ(n2)\Theta(n^2)Θ(n2)Θ(n2)\The…
2021/12/14 17:17:01 人评论 次浏览 -
算法导论第八章——线性时间排序
文章目录 8.1排序算法的下界8.2 计数排序8.3 基数排序8.4 桶排序8.1排序算法的下界 算法最好情况最糟情况平均情况是否原址插入排序Θ(n)\Theta(n)Θ(n)Θ(n2)\Theta(n^2)Θ(n2)Θ(n2)\Theta(n^2)Θ(n2)原址冒泡排序Θ(n)\Theta(n)Θ(n)Θ(n2)\Theta(n^2)Θ(n2)Θ(n2)\The…
2021/12/14 17:17:01 人评论 次浏览 -
EM算法 (第十五周周报12.6-12.12)
目录 一.引例1.引例1[^1]2.引例2[^2] 二.证明EM的收敛性[^3]1.单个高斯2.高斯混合模型3.收敛性证明 三.EM算法的步骤四.混合高斯举例五.EM算法推广——GEM一.引例 1.引例11 设四种实验结果发生的概率依次为：12−θ4,14−θ4,14+θ4,θ4\frac{1}{2}-\frac{\theta}{4},\fra…
2021/12/12 22:17:55 人评论 次浏览 -
EM算法 (第十五周周报12.6-12.12)
目录 一.引例1.引例1[^1]2.引例2[^2] 二.证明EM的收敛性[^3]1.单个高斯2.高斯混合模型3.收敛性证明 三.EM算法的步骤四.混合高斯举例五.EM算法推广——GEM一.引例 1.引例11 设四种实验结果发生的概率依次为：12−θ4,14−θ4,14+θ4,θ4\frac{1}{2}-\frac{\theta}{4},\fra…
2021/12/12 22:17:55 人评论 次浏览 -
细粒度：DCL论文笔记——Destruction and Construction Learning for Fine-grained Image Recognition
细粒度：DCL论文笔记——Destruction and Construction Learning for Fine-grained Image Recognition 综述主要思想网络结构“破坏”学习“构建”学习 训练与测试总结综述论文题目：《Destruction and Construction Learning for Fine-grained Image Recognition》 会议时…
2021/12/11 23:47:42 人评论 次浏览 -
细粒度：DCL论文笔记——Destruction and Construction Learning for Fine-grained Image Recognition
细粒度：DCL论文笔记——Destruction and Construction Learning for Fine-grained Image Recognition 综述主要思想网络结构“破坏”学习“构建”学习 训练与测试总结综述论文题目：《Destruction and Construction Learning for Fine-grained Image Recognition》 会议时…
2021/12/11 23:47:42 人评论 次浏览 -
图扩散-Diffusion Improves Graph Learning
图扩散-Diffusion Improves Graph Learning 标签：图神经网络、扩散技术 动机图卷积的核心就是图神经网络，就是在一跳邻居节点上进行消息传递，这些消息在每个节点聚合，形成下一层的嵌入。虽然神经网络确实利用了更深层的高阶邻域，但将每一层的消息限制在一跳邻居似乎是…
2021/11/24 23:18:49 人评论 次浏览 -
图扩散-Diffusion Improves Graph Learning
图扩散-Diffusion Improves Graph Learning 标签：图神经网络、扩散技术 动机图卷积的核心就是图神经网络，就是在一跳邻居节点上进行消息传递，这些消息在每个节点聚合，形成下一层的嵌入。虽然神经网络确实利用了更深层的高阶邻域，但将每一层的消息限制在一跳邻居似乎是…
2021/11/24 23:18:49 人评论 次浏览 -
p5 Error的来源
p5 Error的来源从上节课测试集数据来看，Average\ ErrorAverage Error 随着模型复杂增加呈指数上升趋势。更复杂的模型并不能给测试集带来更好的效果，而这些 ErrorError 的主要有两个来源，分别是 biasbias 和 variancevariance 。 然而 biasbias 和 variancevariance 是…
2021/11/19 23:11:06 人评论 次浏览
