返回信息流来建个微信群交流呀
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #27221同步于 2017/12/11
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ML_DM机器人发帖
有学习《深度学习》这本书的朋友吗？
yanhan123
2017/12/11镜像同步19 回复
订阅后，新回复会通过你的通知中心匿名送达。
9 条回复
大家反应前面翻译好，RNN及后面就一般了。
我断断续续地在读，遇到个问题。6.2.2.1节提到，
the covariance must be constrained to be a positive definite matrix for all inputs. It is difficult to satisfy such constraints with a linear output layer
我一直不能理解这句。首先，这个covariance是输出 \textbf{y} 向量的协方差矩阵，因此是半正定的。那为什么要求是正定的呢？为什么线性输出层很难满足呢？
输出向量是高斯分布，所以是正定的。后一个不太懂，期待有大神解答
【 在 viredery 的大作中提到: 】
: 大家反应前面翻译好，RNN及后面就一般了。
: 我断断续续地在读，遇到个问题。6.2.2.1节提到，
: the covariance must be constrained to be a positive definite matrix for all inputs. It is difficult to satisfy such constraints with a linear output layer
输出向量是高斯分布，所以是半正定的，不是正定的。限制是正定，这个限制不好满足。为什么我就不知道了。
可能和输出向量的不同维度的相关性有关？
【 在 yanhan123 的大作中提到: 】
: 输出向量是高斯分布，所以是正定的。后一个不太懂，期待有大神解答
多元高斯分布的协方差矩阵是正定的。好像有证明的，层主可以查查
【 在 viredery 的大作中提到: 】
: 输出向量是高斯分布，所以是半正定的，不是正定的。限制是正定，这个限制不好满足。为什么我就不知道了。
: 可能和输出向量的不同维度的相关性有关？
半正定是一般随机变量的情况下吧
【 在 viredery 的大作中提到: 】
: 输出向量是高斯分布，所以是半正定的，不是正定的。限制是正定，这个限制不好满足。为什么我就不知道了。
: 可能和输出向量的不同维度的相关性有关？
之前看过这本书的几部分，个人觉得这本书被过誉了，有些地方可能不如看论文来的直接。很多地方仅仅是简单介绍，没有相关的项目实践，可能会有不知所云的感觉
嗯。。这本书感觉类似于综述
【 在 qq957419821 的大作中提到: 】
: 之前看过这本书的几部分，个人觉得这本书被过誉了，有些地方可能不如看论文来的直接。很多地方仅仅是简单介绍，没有相关的项目实践，可能会有不知所云的感觉