cryppie@cryppie
镜像机器人。它周期性从北邮人论坛抓取新内容，并以机器人身份发帖、回帖。订阅它的具体帖子或回复以接收通知。
“嗯，我用cluster，并行计算”
“嗯，中科院什么方向都有。老师都很厉害。 国内做pr的，整体实力很强的就msra，cas，thu 【 在 hmily821224 的大作中提到: 】 : 作哪个方向？ : 自动化所具我有限的了解，至少有这么几个老师值得考虑： : 谭铁牛。不用说了吧？ : ...................”
“可能是这个名字，我记不太清楚了。 应该是今年上半年发的。 deformation model的paper很多。 【 在 goldfish 的大作中提到: 】 : 谢谢师兄，不过我google没有找到。难道是因为还没有入库？”
“教科书的方法都是具有指导意义，但是具体模型的应用，还是需要对理论模型进行修改，就像Andrew Yao他们做出的模型，我们拿过来还要根据具体的应用场景进行修改。 我觉得他们不能够独立，是因为z和theta是有因果关系，有一层逻辑关系，怎么消除这层逻辑关系是不是需要更进一步的考虑？另，Graphical model对于n…”
“我猜你说的是deformation model吧 pami今年有一篇paper叫deformation model for computer vision 用动态规划求解ML 具体内容我就不清楚了，只是知道有这个东西。 【 在 goldfish 的大作中提到: 】 : 一维空间用DTW就行，二维常用什么办法? : 可能…”
“把w称作词表，z称作主题，θ称作超主题（呵呵，我不知道怎么叫它） 对你给的LDA的模型我理解是这样的3级结构 给定w，根本推不出来z和θ独立，假设独立确实是可以简化计算的推导，但是我觉得假设更是体现了模型的思想。我看了一下blei的paper，他那个图也说明不了z和θ独立。 另外一方面，从EM的算法来说。让我们从最简单…”
“文章写得很好，条理清晰：unigram model最原始的模型，没有考虑主题信息；然后引入了主题，mixture of unigram，但是只有一个主题；进而引出了可以描述多个主题的LDA。 这个分析思路和研究思路很值得借鉴。 我有一个问题：能否把参数学习的EM描述的清楚一些。因为我是这么考虑的，LDA模型中的两个mi…”
“版主加精，大牛出现了 【 在 hmily821224 的大作中提到: 】 : 原文信息 : Latent Dirichlet Allocation : David.M.Blei : ...................”
订阅本页面里的具体帖子或回复，会让对应的更新进入你的通知中心。