腾讯云

文章/答案/技术大牛

发布

社区首页 >问答首页 >双峰分布表征算法？

问双峰分布表征算法？
EN

Stack Overflow用户

提问于 2011-03-27 17:53:09

回答 1查看 2.8K关注 0票数 1

什么算法可以用来表征一个预期的清晰的双峰分布，比如在一个样本阵列中具有两个分离良好的峰的正态分布的混合？输出2个均值、2个标准差和某种稳健性估计的结果将是预期的结果。

我感兴趣的是一种算法，它可以用任何编程语言(对于嵌入式控制器)实现，而不是现有的C或Python库或stat包。

如果我知道两个模态均值的比率大约是3:1 +- 50%，标准偏差相对于峰间距来说是“小”的，但这对峰可以在100:1范围内的任何地方，会不会更容易？

random

statistics

histogram

回答 1

Stack Overflow用户

回答已采纳

发布于 2011-03-27 18:32:20

这里有两种不同的可能性。一个是你有一个双峰分布。另一种是，您正在观察来自两个不同分布的数据。通常估计后者的方法是在称为mixture model的东西中，这并不奇怪。

你的估计方法是使用最大似然方法或使用马尔可夫链蒙特卡罗方法，如果你想要采取贝叶斯观点的问题。如果你更详细地陈述你的假设，我愿意帮助你尝试并弄清楚你想要尝试和最大化的目标函数。

这些类型的模型可能是计算密集型的，所以我不确定您是否愿意尝试在嵌入式控制器中执行整个统计方法。黑客攻击可能更合适。如果两个峰实际上分离得很好，我认为更容易尝试识别两个峰，并在它们之间拆分数据，并独立地估计每个分布的平均值和标准差。

票数 2

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/5451089

复制

网络表征学习综述

机器学习图像处理人脸识别编程算法卷积神经网络

当前机器学习在许多应用场景中已经取得了很好的效果，例如人脸识别与检测、异常检测、语音识别等等，而目前应用最多最广泛的机器学习算法就是卷积神经网络模型。但是大多应用场景都是基于很结构化的数据输入，比如图片、视频、语音等，而对于图结构（网络结构）的数据，相对应的机器学习方法却比较少，而且卷积神经网络也很难直接应用到图结构的数据中。在现实世界中，相比图片等简单的网格结构，图结构是更泛化的数据结构，比如一般的社交网络、互联网等，都是由图这种数据结构表示的，图的节点表示单个用户，图的边表示用户之间的互联关系。针对网络结构，用向量的数据形式表示网络结构、节点属性的机器学习方法就是网络表征学习。

SIGAI学习与实践平台

2018/09/29

1.7K0

什么是表征学习？

机器学习神经网络深度学习人工智能

在机器学习中，特征学习或表征学习[1]是学习一个特征的技术的集合：将原始数据转换成为能够被机器学习来有效开发的一种形式。它避免了手动提取特征的麻烦，允许计算机学习使用特征的同时，也学习如何提取特征：学习如何学习。

种花家的奋斗兔

2020/11/13

1.6K0

表征学习 Contrastive Loss

https 网络安全 .net

F表示两点间弹簧的作用力，K是弹簧的劲度系数，X为弹簧拉伸或收缩的长度，弹簧静止状态时X=0.

为为为什么

2022/08/09

5430

开源 | DGCNN 可以表征拓扑结构的点云分割算法，效果SOTA

机器学习神经网络深度学习人工智能 https

点云数据提供了一种灵活的几何表示，可以适用于计算机图形学中的很多应用。他们还包含了很多3D采集设备的原始输出数据。虽然人工设计的点云特征取得了不错的实验结果，但是当前CNN网络结构在图像领域取得的巨大成功，推测其在点云的处理领域也存在较大的应用价值。点云数据格式在设计之初天然的缺少拓扑信息，所以设计一个模型可以回复拓扑信息增加点云的表示能力，是一个重要的处理方案。为此本文设计了新的网络模型被称为EdgeConv，该模型适用于基于CNN的高级别的点云分割和点云聚类任务。EdgeConv的作用在于在每层中计算网络动态图。本结构是可微的并且能够直接插入到当前的网络结构中。在整体上和单个点上与当前已有的一些模型进行对比， EdgeConv 存在以下几个优点：1、整合了局部的领域信息；2、可以叠加使用来学习全局的形状特征；3、并且在多层的结构中，由于特征空间的亲和性，该结构可以捕获嵌入在点云中的原始隐藏特征。本文在ModelNet40, ShapeNetPart和S3DIS三种数据集中进行了测试。

CNNer

2020/06/19

1.3K0

公平与精确同样重要！CMU提出学习公平表征方法，实现算法公平

编程算法 https 网络安全

在人工智能发展的初期，人们对算法的要求往往停留于「准」的层面，预测结果越精确似乎越好。然而，随着人工智能技术逐渐融入日常生活，人们对于算法「公平性」的要求与日俱增。在本文中，来自 CMU （卡内基 · 梅隆大学）的研究人员赵晗提出了一种通过学习公平表征来实现算法公平的方法。（相关论文发表在ICLR 2020上）

AI科技评论

2020/02/21

4450

深度学习，NLP和表征（译）

深度学习 https github

译自：https://colah.github.io/posts/2014-07-NLP-RNNs-Representations/ 发布于2014年7月7日神经网络，深度学习，表征，NLP，递归神经网络介绍在过去的几年里，深度神经网络主导了模式识别。它们将先前的艺术状态浮出水面，用于许多计算机视觉任务。语音识别也在以这种方式发展。但是，尽管有这样的结果，我们不得不怀疑，为什么它们工作得这么好？这篇文章回顾了将深层神经网络应用于自然语言处理（NLP）的一些非常显著的结果。在这样做的过程中，我希望

巫山老妖

2018/07/20

6170

神经网络如何完成表征？

神经网络

我们了解神经网络以及它们从数据科学到计算机视觉的多个领域中的无数成就。众所周知，它们在解决有关泛化性方面的复杂任务中表现良好。从数学上讲，他们非常擅长近似任何的复杂函数。让我们形象化地理解这种近似概念，而不是前向和后向传播方法中的最小化预测误差。假设你了解前向和后向传播的一点基础，其旨在借助梯度和网络中的错误传播来近似函数。让我们通过另一种视觉解释来理解神经网络的近似能力。其中涉及基础数学和图形分析。

AI研习社

2018/12/14

9240

人类如何学习和表征网络？

网络

人类以一系列离散的项目接收来自周围世界的信息——从语言中的单词或音乐中的音符到书籍和互联网网站中的抽象概念。为了模拟他们的环境，从年轻时起，人们就被要求学习由这些项目(节点)形成的网络结构以及它们之间的联系(边)。但是，当人类只经历单个项目的序列时，他们如何发现网络的大规模结构？此外，人们对这些网络的内部地图和模型是什么样的？在这里，我们介绍图形学习，这是一个不断发展和跨学科的领域，研究人类如何学习和表示他们周围世界的网络。具体来说，我们回顾了在理解人们如何发现项目序列背后复杂的关系网方面的进展。我们首先描述已建立的结果，这些结果表明人类可以检测到精细尺度的网络结构，例如项目之间转换概率的变化。接下来，我们将介绍直接控制转移概率差异的最新实验，证明人类行为关键取决于网络的中尺度和宏观尺度特性。最后，我们介绍了人类图形学习的计算模型，这些模型对网络结构对人的行为和认知的影响做出了可测试的预测。我们始终强调图形学习研究中的开放性问题，这些问题需要认知科学家和网络科学家的创造性见解。

悦影科技

2021/11/29

3290

多尺度表征10亿像素图像，斯坦福神经场景表征新方法入选SIGGRAPH

图像处理

当前，神经表征已经成为渲染、成像、几何建模和模拟应用的一种新范式。与网格、点云和体积网格等传统表征相比，神经表征可以灵活地合并入可微分、基于学习的 pipeline。神经表征近来的进展实现了在中等分辨率下表征具有丰富细节的信号，比如图像和 3D 形状，但充分地表征大尺度或复杂场景依然是一个挑战。

机器之心

2021/06/08

3280

旋转目标检测表征新方法

https 网络安全图像识别

简单介绍前段时间一个工作的思想：Optimization for Arbitrary-Oriented Object Detection via Representation Invariance Loss。讨论的是旋转目标表征的问题，发表在IEEE Geoscience and Remote Sensing Letters上。

BBuf

2021/10/20

1.4K0

什么是对数据的表征学习

机器学习神经网络深度学习人工智能

对一个事物的认知过程，应该首先从一个清晰的概念开始，概念需要定义，定义有内涵和外延。在对一个新的概念进行定义的时候，要使用清晰、简单的词汇进行一句话概括，不要引入新的概念或新的名词，不要使用不必要的形容词，不要描述一个事物，而是对本质的表达。

用户10270559

2023/01/01

1.1K1

预训练句子表征——【ICLR 2021】CT

css

1. 介绍论文《SEMANTIC RE-TUNING WITH CONTRASTIVE TENSION》地址：https://openreview.net/pdf?id=Ov_sMNau-PF 之前

小爷毛毛_卓寿杰

2021/12/07

1.7K0

预训练句子表征——【EMNLP 2021】TSDAE

编程算法

TSDAE（Transformer-based Sequential Denoising Auto-Encoder）模型使用纯句子作为训练数据来无监督训练句子向量。在训练期间，TSDAE 将加了噪声的句子编码为固定大小的向量，并要求decoder从这个句子表征中重建原始句子。为了获得良好的重建质量，必须在encoder的句子向量中很好地捕获语义。在后续推理时，我们只使用encoder来创建句子向量。架构如下图所示：

小爷毛毛_卓寿杰

2021/12/07

6750

预训练句子表征——【EMNLP 2021】SimCSE

tcp/ip 其他

SimCSE（Simple Contrastive Learning of Sentence Embeddings）是一种简单在没有监督训练数据的情况下训练句子向量的对比学习方法。

小爷毛毛_卓寿杰

2021/12/07

8450

Brief Bioinform | 最新深度学习癌症药敏预测算法评测

编程算法学习方法深度学习机器学习神经网络

今天介绍中国科学院上海营养与健康所李虹团队在Briefings in Bioinformatics上发表的一篇论文，该文对深度学习药敏预测算法进行了综合评测。文章系统地评估了深度学习方法在预测癌细胞系和患者药物反应方面的性能，为用户根据自身需求和数据特点选择恰当的预测模型提供指导，同时为构建新的计算模型指引方向。

DrugAI

2023/02/17

6540

图注意力网络一作：图表征学习在算法推理领域的研究进展

神经网络 https 编程算法网络安全

前段时间，图注意力网络（GAT）一作 Petar Veličković 在 Twitter 上晒出了自己的博士论文——《The resurgence of structure in deep neural networks》。在那篇论文中，他汇总了自己近年来在图神经网络领域的研究，包括 GAT、Deep Graph Infomax 等重要工作。

机器之心

2020/06/16

4480

连接组学表征的新进展

数据分析

近年来，利用静息状态功能性MRI对人类连接组(即人类大脑中的所有连接)的研究迅速普及，特别是随着大规模神经成像数据集的日益可用性。这篇综述文章的目的是描述自2013年神经影像特刊《连接组图谱》以来，功能连接组表征在过去8年里出现的创新。在这一时期，研究已从群体层面的大脑分区化转向个性化连接组的表征以及个体连接组差异与行为/临床变异之间的关系。在分区边界中实现特定个体的准确性，同时保持跨个体通信是一项挑战，目前正在开发各种不同的方法来应对这一挑战，包括改进的对齐、改进的降噪和稳健的群体到个体映射方法。除了对个性化连接组的兴趣之外，人们正在研究数据的新表示，以补充传统的分区连接组表示(即，不同大脑区域之间的成对连接)，例如捕捉重叠和平滑变化的连接模式(梯度)的方法。这些不同的连接组表征为大脑固有的功能组织提供了有益的见解，但功能连接组的研究仍然面临挑战。未来的研究将进一步提高可解释性，以深入了解功能MRI所获得的连接组观察的神经机制。还需要进行比较不同连接组表征的验证研究，以建立共识和信心，继续进行临床试验，这些临床试验可能产生有意义的连接组研究转化。

悦影科技

2022/05/16

2940

KDD 2014 | DeepWalk：社会表征的在线学习

编程算法神经网络机器学习深度学习人工智能

https://dl.acm.org/doi/abs/10.1145/2623330.2623732

Cyril-KI

2022/09/19

4100

走神如何在动态功能连接中表征

我们称之为“思维”的大脑的这种小波动有多么特殊的特权，我们必须因此使它成为整个宇宙的模型？-- David Hume, 1779

用户1279583

2023/03/08

4280

【Embedding】Metapath2vec：异构网络表征

html c++scala

今天学习的是微软的一篇论文《metapath2vec: Scalable Representation Learning for Heterogeneous Networks》，发表于 KDD 2017，目前引用次数超 500 次。

阿泽 Crz

2020/07/21

3K0

相似问题

如何模拟双峰分布？

使用YOSYS进行表征

113

分裂双峰分布

化学表征- SNL对微笑

如何借助词袋进行概念表征

添加站长进交流群

领取专属 10元无门槛券

AI混元助手 在线答疑

关注 腾讯云开发者公众号

洞察 腾讯核心技术

剖析业界实践案例

问双峰分布表征算法？
EN