T5557的基本信息就不在这里详细介绍，不了解的可以去看T5557的收据手册。 一上来直接开始讲操作 存在七种操作，我们重点介绍四种，Standard Write，Protected Write，Direct access(PWD = 0)和Direct ...

曾为培训讲师，由于涉及公司版权问题，现文章内容全部重写，地址为https://www.cnblogs.com/nickchen121/p/11686958.html。 更新、更全的Python相关更新 ...

转自：https://www.cnblogs.com/Gabby/p/5344658.html 我讲EM算法的大概流程主要三部分：需要的预备知识、EM算法详解和对EM算法的改进。 一、EM算法的预备知识 1、极大似然估计 （1）举例说明：经典问题——学生身高问题 　　我们需要调查我们学校 ...

混合和EM算法中讨论的高斯混合就是典型的含有隐变量的例子，已经给出EM算法在高斯混合模型中的运用，下面 ...

　　　　EM算法也称期望最大化（Expectation-Maximum,简称EM）算法，它是一个基础算法，是很多机器学习领域算法的基础，比如隐式马尔科夫算法（HMM）， LDA主题模型的变分推断等等。本文就对EM算法的原理做一个总结。 1. EM算法要解决的问题 　　　　我们经常会从样本 ...

一、前言 　　我们h5项目终端适配采用的是淘宝那套《Flexible实现手淘H5页面的终端适配》方案。主要原理是rem布局。最近和别人谈弹性布局原理，发现虽然已经使用了那套方案很久，但是自己对rem的理解很含糊， 包括vw、vh等。所以打算写博客总结一下，以加深理解。 二、几个概念 ...

1.贝叶斯学习 要了解这三个概念，需要先知道什么是贝叶斯学习。 贝叶斯学习就是根据给定数据的先验概率计算每种假设的可能性，它是基于先验和后验概率的乘积的，计算式如下： 这个公式的意思是，在某 ...

1. EM算法-数学基础 2. EM算法-原理详解 3. EM算法-高斯混合模型GMM 4. EM算法-高斯混合模型GMM详细代码实现 5. EM算法-高斯混合模型GMM+Lasso 1. 前言 概率模型有时既含有观测变量(observable variable)，又含有隐变量或潜在 ...