- 综合排序
- 最热优先
- 最新优先
- 来自专栏杨丝儿的小站
SP Module 10 Connected Speech & HMM Training
This gives a very high level overview of forward and backward probability calculation on HMMs and Expectation-Maximization
37310编辑于 2022-12-22 - 来自专栏简说基因
RSEM：用于转录本定量的强大工具
RSEM（RNA-Seq by Expectation-Maximization）是一款广泛使用的工具，专门用于估计基因和转录本表达水平，尤其在处理复杂的多转录本基因时表现优异。 RSEM的功能特点 RSEM通过最大期望（Expectation-Maximization, EM）算法来计算测序reads的分布，并将其分配给转录本。
99610编辑于 2024-12-23 - 来自专栏杨丝儿的小站
KL散度以及交叉熵和信息熵
KL散度的应用 正是因为其可以衡量两个分布之间的差异，在机器学习、深度学习领域中，KL散度被广泛运用于变分自编码器中(Variational AutoEncoder, 简称VAE)、EM算法(Expectation-Maximization
86410编辑于 2022-03-17 - 来自专栏新智元
Reddit高赞课程：基于GitHub的超全NLP视频、PPT、作业
研讨会：POS tagging 第六周：期望最大化（Expectation-Maximization） 讲座：期望最大化和单词对齐模型 研讨会：实现期望最大化 第07周：机器翻译 讲座：机器翻译：回顾PBMT
1.2K10发布于 2018-12-12 - 来自专栏AI算法与图像处理
英伟达最新算法Magic3D！文本生成高质量三维模型！论文/代码速递2022.11.22！
arxiv.org/pdf/2211.11066 代码/Code: None CVPR2022 NeurIPS Updated on : 22 Nov 2022 total number : 2 Expectation-Maximization
1.1K20编辑于 2022-12-11 - 来自专栏杨丝儿的小站
【自动驾驶】技术扫盲
自动驾驶系统的传感器标定方法：比较详细 激光雷达和摄像头融合 自动驾驶汽车中的激光雷达和摄像头传感器融合 常见配准算法 NDT 算法（与ICP对比）和一些常见配准算法 icp ICP算法是基于EM(Expectation-maximization
55330编辑于 2022-03-01 - 来自专栏钱塘大数据
32类计算机与数学领域最为重要的算法
Expectation-maximization algorithm (EM-Training) In statistical computing, an expectation-maximization 期望-最大算法（Expectation-maximization algorithm，又名EM-Training）——在统计计算中，期望-最大算法在概率模型中寻找可能性最大的参数估算值，其中模型依赖于未发现的潜在变量
1.3K80发布于 2018-03-01 - 来自专栏钱塘大数据
【干货】人工智能之机器学习算法体系汇总
最近邻算法（K-NN） k-nearest neighbors classification(K-NN) 局部异常因子 Local outlier factor BIRCH DBSCAN 期望最大化（EM） Expectation-maximization
88190发布于 2018-03-06 - 来自专栏数据科学与人工智能
人工智能之机器学习算法体系汇总
最近邻算法（K-NN） k-nearest neighbors classification(K-NN) 局部异常因子 Local outlier factor BIRCH DBSCAN 期望最大化（EM） Expectation-maximization
96451发布于 2018-02-28 - 来自专栏机器学习算法与Python学习
机器学习方法体系汇总
Single-linkage clustering 概念聚类 Conceptual clustering 聚类分析 Cluster analysis BIRCH DBSCAN 期望最大化（EM） Expectation-maximization
89460发布于 2018-04-08 - 来自专栏数据指象
一种另辟蹊径的聚类：EM聚类
最大期望算法（Expectation-maximization algorithm，又译期望最大化算法）在统计中被用于寻找，依赖于不可观察的隐性变量的概率模型中，参数的最大似然估计。
94320编辑于 2022-04-27 - 来自专栏简说基因
跟着Nature和Science学转录组定量分析：原理、应用与实践
RSEM（RNA-Seq by Expectation-Maximization）就是其中一款，因其高精度和灵活性而被广泛应用于转录组数据分析中。
77710编辑于 2025-02-05 - 来自专栏机器之心
驾驭白夜场景、刷新多个SOTA，苏黎世联邦理工用高效时序建模提升多目标追踪与分割
PCAN 采用高斯混合模型（Gaussian Mixture Models, GMM）来进行无监督特征聚类，并选取 EM（Expectation-Maximization）迭代算法的得到的高斯分布拟合聚类中心作为 challenge-page/1295/overview 参考链接 Non-local Neural Networks: https://arxiv.org/abs/1711.07971 EMANet: Expectation-Maximization
73420编辑于 2021-12-28 - 来自专栏Python数据科学
1个等式！3行代码！78倍！如何加速机器学习算法？
我们希望将最大期望算法（Expectation-Maximization algorithm, EM）用于无监督学习（例如，识别MNIST数据集中的手写数字)，并且我们的数据是二进制的(例如，二进制图像
73910发布于 2019-10-21 - 来自专栏量化投资与机器学习
1个等式！3行代码！78倍！如何加速机器学习算法？
我们希望将最大期望算法（Expectation-Maximization algorithm, EM）用于无监督学习（例如，识别MNIST数据集中的手写数字)，并且我们的数据是二进制的(例如，二进制图像
1.1K30发布于 2019-10-15 - 来自专栏caoqi95的记录日志
PRML读书笔记(4) - 高斯混合模型（GMM） 及 EM 算法
EM 算法 EM 算法的全称是 Expectation-Maximization 算法。EM 算法是一种为包含隐变量的概率模型找到极大似然估计解的算法。
1.7K30发布于 2019-03-28 - 来自专栏机器学习AI算法工程
人工智能之机器学习算法体系汇总
最近邻算法（K-NN） k-nearest neighbors classification(K-NN) 局部异常因子 Local outlier factor BIRCH DBSCAN 期望最大化（EM） Expectation-maximization
89080发布于 2018-03-15 - 来自专栏智药邦
中山大学杨跃东团队提出MUSE模型，通过变分期望最大化框架预测蛋白质和药物相互作用
2024年5月24日，中山大学杨跃东教授团队在Nature Communications上发表文章A variational expectation-maximization framework for A variational expectation-maximization framework for balanced multi-scale learning of protein and drug
60110编辑于 2024-09-12 - 来自专栏小馒头学Python
EM算法与高斯混合聚类：理解与实践
在应用高斯混合模型时，EM（Expectation-Maximization）算法被广泛用于参数估计。本文将深入探讨EM算法的基本原理，并结合高斯混合模型，展示如何实现基于EM算法的聚类。 abs/10.1111/j.2517-6161.1977.tb01600.x文章概述：这篇文章是 Dempster, Laird 和 Rubin 在 1977 年发表的，介绍了 EM算法（期望最大化算法，Expectation-Maximization
42710编辑于 2024-11-20 - 来自专栏王小雷
第一章人工智能之机器学习算法体系汇总
Single-linkage clustering 概念聚类 Conceptual clustering 聚类分析 Cluster analysis BIRCH DBSCAN 期望最大化（EM） Expectation-maximization
1.1K90发布于 2018-01-02
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