回答情况：
提问时间：
问题标签：
有没有java代码来实现法亚德和伊拉尼基于熵的离散化？我已经尝试读取文件，然后计算熵和信息增益。如何获得bounday积分？我必须实现法亚德和伊拉尼的离散化算法，它是基于熵和信息增益的(法亚德和伊拉尼，1993
浏览 3提问于2014-10-16得票数 0
1回答
我要计算滚动窗口大小为500的多个时间序列的熵值。我在代码中使用了滚动应用函数，但它不起作用。
请帮助我计算熵(即下面的代码)在滚动窗口大小为500。为了您的方便，这里我提供了我的熵代码，这样您就可以更容易地在熵法中提出500滚动窗口大小的应用。
浏览 0修改于2019-02-08得票数 2
回答已采纳
对于乙状结肠激活，交叉熵日志丢失导致权值更新z(z - label) * x的简单梯度形式，其中z是神经元的输出。参考资料
二元交叉熵的导数-为什么我的符号不对？
浏览 0修改于2020-12-05得票数 2
回答已采纳
2回答
我不完全理解交叉熵误差是如何计算的。由于某些负数的对数没有定义(或虚的)，并且神经网络的输出可以是一些负数(权值和偏差是随机初始化的)，所以我经常得到NaN。我该怎么避免呢？
浏览 1提问于2015-12-03得票数 1
回答已采纳
Tensorflow函数tf.nn.weighted_cross_entropy_with_logits()接受参数pos_weight。将pos_weight定义为“用于正示例的系数”。我假设这意味着增加pos_weight会增加假阳性的损失，减少假阴性的损失。还是我倒过来了？
浏览 1修改于2016-11-20得票数 6
回答已采纳
2回答
我想在我正在使用的算法中添加参数选择的交叉熵方法。问题是我不太懂数学表示法，也找不到用代码写成的交叉熵方法的这个版本。
浏览 3修改于2014-03-17得票数 1
回答已采纳
对单个额外单词的权重低白空间上的最小权0.95 GPL-1+.txt0.56 GPL-2+.txt0.78 GPL-3+.txt
我的一个想法是计算许可的熵，然后将unknown.txt和许可连接起来，再用ent计算熵。附加熵最小的文件是相似的。有更好的主意吗？
浏览 0提问于2021-06-08得票数 -1
回答已采纳
1回答
我在玩一些代码，它的行为与我预期的不一样。所以我把它简化为一个最简单的例子：test_target = torch.tensor([0])
loss_test = loss_function_test(test_act, test_target)> tensor(0.1269)
loss_f
浏览 2修改于2021-05-21得票数 0
回答已采纳
在http://neuralnetworksanddeeplearning.com/chap3.html中我有以下的推理，为了计算成本梯度，我们使用链规则，导出了关于激活的成本，关于(w *x+ b)的激活，以及与权重的和。对于权Wi，(和w*x+ b) w.r.to Wi的导数总是xi，而激活函数的导数不知道这一点，所以它不可能消除Xi，
浏览 0修改于2017-04-15得票数 2
回答已采纳
由于供应商库不兼容，我需要编译高熵VA关闭的C#应用程序。到目前为止，我发现的唯一方法是在构建后的步骤中使用editbin，但这非常笨重。有更好的办法吗？
浏览 3提问于2014-12-19得票数 2
回答已采纳
1回答
嗨，只是玩代码，我得到了意想不到的结果交叉熵损失权的实现。]],dtype=torch.int64)在这类样本变量下，毕道尔的交叉熵损失为loss = F.cross_entropy(pred, label, weight=weights,reduction='mean')我手动实现了交叉熵损失代码，如下所示
one_hotF.log_softmax(
浏览 0修改于2021-08-10得票数 2
回答已采纳
在分类/监督学习上下文中，我看到许多机器学习文本使用以下表示法来表示Shannon熵：
我知道信息增益和熵的概念，我只是想了解数学形式主义
浏览 0修改于2021-10-20得票数 0
回答已采纳
我使用的损失函数是softmax交叉熵损失。问题是我的输入序列有不同的长度，所以我填充它。模型的输出具有形状[max_length, batch_size, vocab_size]。tf.nn.softmax_cross_entropy_with_logits提供轴向参数，可以用三维方法计算损耗，但不提供权值。
浏览 3提问于2017-12-29得票数 3
回答已采纳
我已经有一个代码来生成权值和脓肿的高斯-Legendre求积规则，但我有困难使用它的双重积分。为了生成权值和脓肿，我使用以下表示法w，x=leg( x1，x2，n)，其中w是权，x是脓肿，x1是积分的下限，x2是上限，n是求积点的个数。
我只举一个简单的例子，这样它就能帮助我理解这个想法。
浏览 3提问于2016-08-07得票数 0
1回答
如果我正确理解，KL-散度是两个分布的相对熵。要计算两个分布的KL散度，需要两个随机变量向量。
我不明白的是，如何计算VAE (潜空间向量和N(0,1) )中的KL散度，正如许多教程中所述。它是输入、权值、偏差和激活函数的乘积向量。所有这些都不会使你的向量成为随机变量向量。我的问题是，如何正确地将潜在空间向量创建为随机变量向量，这样最终就可以计算出KL散度。
浏览 0提问于2018-12-10得票数 0
回答已采纳
取交叉熵和softmax的导数，计算了全连通层的权值。
我感到困惑的是如何通过最大池预先形成反向传播，然后最终在卷积层中找到权值的导数。
浏览 0修改于2021-02-12得票数 2
回答已采纳
1回答
在我的活动站点上，我无法仅在分类法上看到拖放功能，而在menus.Below上成功地显示它是我用于分类法的屏幕快照。应该是这样的：有人能想到这件事吗？
浏览 0提问于2015-06-12得票数 0
回答已采纳
我正在处理一个keras.io示例，其中构建了一个变分的自动编码器，在这里可以找到：
，，我试图用MeanSquaredError-损失替换二进制_交叉熵损失，但是我得到了一个TypeError。此外，我不明白为什么使用二进制交叉熵损失，因为我把这个损失理解为分类损失，但在这里，我比较原始数据的值和它的重构，这是一种回归，而不是分类。那么，为什么仍然适合使用crossentropy-loss?When -我运行的代码与交叉熵损失，并看看我的损失，那么KL损失和重建损失不总结为全损。我的意思是，总损失总是不等于KL损失和重建损失之和，尽管在列
浏览 3修改于2021-06-02得票数 0
_W是权矩阵。
这是否意味着这些N批次的总体效果被合并/浓缩成dL/dW？这与我如何实现输出层有关，例如软最大-交叉熵层作为最后一层。我目前的结论是，
浏览 0修改于2018-04-29得票数 0
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号