腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
圈层
工具
MCP广场
文章/答案/技术大牛
搜索
搜索
关闭
发布
搜索
关闭
文章
问答
(9999+)
视频
开发者手册
清单
用户
专栏
沙龙
全部问答
原创问答
Stack Exchange问答
更多筛选
回答情况:
全部
有回答
回答已采纳
提问时间:
不限
一周内
一月内
三月内
一年内
问题标签:
未找到与 相关的标签
筛选
重置
1
回答
基于滚动窗口的
熵
分析
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。r<-matrix(0, nrow = N, ncol = 1) r[i]<-approx_entropy(ts[,i], edim =
2
,
浏览 0
修改于2019-02-08
得票数 2
回答已采纳
1
回答
fayad和伊拉尼离散化的实现
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
2
回答
如何度量人类可读的文本文件(许可文件)之间的相似性或距离?
对单个额外单词的权重低白空间上的最小
权
0.25 google-chrome.txt0.87 GPL-1.txt0.99 GPL-
2
.txt0.60 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</e
浏览 0
提问于2021-06-08
得票数 -1
回答已采纳
1
回答
交叉
熵
损失的人工计算
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。pred=torch.tensor([[8,5,3,
2
,6,1,6,8,4],[
2
,5,1,3,4,6,
2
,
2
,6],[1,1,5,8,9,
2
,5,
2
,8],[
2
,
2
,6,4,1,1,7,8,3],[
2
,
2
,
2
,7,1,7,3,4,9],dtype=torch.float32) 在这类样本变量下,毕道尔的交
浏览 0
修改于2021-08-10
得票数 2
回答已采纳
1
回答
ReLu,ELU,SELU的损失函数
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
交叉
熵
误差计算
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
2
回答
交叉
熵
法数学表示
法
的转换
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
1
回答
Tensorflow:加权交叉
熵
权
的解释
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
1
回答
基于Gauss求积的双积分数值积分
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,x
2
,n),其中w是
权
,x是脓肿,x1是积分的下限,x
2
是上限,n是求积点的个数。提前谢谢。
浏览 3
提问于2016-08-07
得票数 0
3
回答
不同长度序列的流量交叉
熵
损失
我正在使用tensorflow用LSTM构建一个seq
2
seq模型。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。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
1
回答
火炬交叉
熵
损失
权
不起作用
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
1
回答
利用神经网络中代价函数的巧妙选择消除梯度输入
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
1
回答
一种简单卷积神经网络的反向传播
输入映像为5x5,内核为
2
x
2
,它经历了一个ReLU激活函数。在ReLU获得最大的
2
x
2
池池后,这些池就会被平化,并连接到完全连接的层中。一旦通过完全连接层,输出被转换为Softmax概率。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
将/highentropyva-从MSBuild命令行或项目文件传递给CSC编译器
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
神经网络:批量版本仿射层反向传播
权
矩阵更新
_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</e
浏览 0
修改于2018-04-29
得票数 0
1
回答
香农
熵
中的"S“代表什么?
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
1
回答
* TypeError:预期的float32传递给op 'Equal‘的参数'y’,得到'str‘类型的'auto’
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。我要做什么,才能得到tf.reduce_mean(tf.reduce_sum(keras.losses.binary_crossentropy(data,重建),axis=(1,
2
),reconstruction_loss= tf.reduce_mean(tf.reduce_sum(keras.losses.MeanAbsoluteError(data,重建),ax
浏览 3
修改于2021-06-02
得票数 0
2
回答
WPF列表框集合自定义排序
我有一个列表盒MyPricePrice
2
Price1DropPrice我的意思是,如果有一个项目,以顺序“价格”开头,它得到优先
权
,否则最小的字符串应该得到优先
权
。int Compare(object x, object y) //my sorting code here } 我怎么写比较
法
。
浏览 5
提问于2015-06-22
得票数 2
回答已采纳
1
回答
为什么用最小
熵
来测量密码随机数据是有意义的?
关于密码
熵
测量的几点看法似乎在挑战NISTSP800-90B的核心,它将最小
熵
作为硬件源产生的
熵
的一种保守度量。第1节,第
2
页最小
熵
满足Shannon提出的
熵
度量函数的性质吗?如果没有,为什么要用它来
浏览 0
修改于2020-09-13
得票数 2
1
回答
如何利用香农
熵
产生的信息区分低
熵
和高
熵
我计算了一天内用户行为的
熵
水平,计算了其可能出现的状态(H:=Home、w:=Work或E:=Elsewhere)。假设用户A以{H,W,E,E,H,H}表示一天中每小时的可能状态P(W)=9/24=0.38使用shannon的
熵
,我想计算一个用户的
熵
级别H(A)=(-P(H)*log
2
2
(H))+(-P(W)*log
2
2
(W))+(-P(E)*log<
浏览 3
提问于2014-03-10
得票数 1
回答已采纳
第 2 页
第 3 页
第 4 页
第 5 页
第 6 页
第 7 页
第 8 页
第 9 页
第 10 页
第 11 页
点击加载更多
领券