wsntxxn / wsntxxn.github.io Goto Github PK

https://wsntxxn.github.io/tags/

写作，不过是一种记录思维的生活方式

https://wsntxxn.github.io/2019/08/13/Maximum-Subarray-%E7%B3%BB%E5%88%97/#more

写作，不过是一种记录思维的生活方式

https://wsntxxn.github.io/about/

写作，不过是一种记录思维的生活方式

https://wsntxxn.github.io/2019/08/13/ShadowSocks%E5%85%A8%E5%B9%B3%E5%8F%B0%E7%A7%91%E5%AD%A6%E4%B8%8A%E7%BD%91Guidance/

前言服务器端客户端WindowsLinuxMacAndroidiOS

https://wsntxxn.github.io/2019/08/10/LintCode-Dices-Sum/

Source: LintCode: (20) Dices Sum DescriptionThrow n dices, the sum of the dices’ faces is S. Given n, find the all possible value of S along with its probability. Example: Example 1:Input: n = 1Out

https://wsntxxn.github.io/2020/07/08/NLG-Caption-%E8%AF%84%E4%BB%B7%E6%8C%87%E6%A0%87%E6%80%BB%E7%BB%93/#more

评价指标对于我的 audio caption 任务一直是一个 bottleneck，机器自动给生成的 caption 打的分数总是难以反映其质量，在此回顾一下常用的 caption 任务的自动评测指标，包括近年来提出的一些还未广泛使用的新指标。 自然语言生成 (Natural Language Generation) 的评价一直是难题。以句子翻译为例，一个英文句子可能对应好几种中文的表述，即

https://wsntxxn.github.io/2019/08/13/Maximum-Subarray-%E7%B3%BB%E5%88%97/#more

写作，不过是一种记录思维的生活方式

https://wsntxxn.github.io/tags/

写作，不过是一种记录思维的生活方式

https://wsntxxn.github.io/about/

写作，不过是一种记录思维的生活方式

https://wsntxxn.github.io/2019/08/13/ShadowSocks%E5%85%A8%E5%B9%B3%E5%8F%B0%E7%A7%91%E5%AD%A6%E4%B8%8A%E7%BD%91Guidance/

前言服务器端客户端WindowsLinuxMacAndroidiOS

https://wsntxxn.github.io/2019/08/10/LintCode-Dices-Sum/

Source: LintCode: (20) Dices Sum DescriptionThrow n dices, the sum of the dices’ faces is S. Given n, find the all possible value of S along with its probability. Example: Example 1:Input: n = 1Out

https://wsntxxn.github.io/2019/07/24/EM%E7%AE%97%E6%B3%95%E7%AE%80%E4%BB%8B/

老实说，EM算法这玩意曾经一直是我心里一个坑，学了至少三遍 (周志华西瓜书第一遍，李航《统计学习方法》第二遍，过了一年又回顾了一遍) 才有了比较清楚的思路。跟着各种教程一行行看很容易陷入推导长长的公式的泥沼，到头来知道中间有用Jensen不等式放缩，知道要优化一个下界函数，但具体谈起细节来又不是那么清楚。这里我试图把我学习三次之后的理解分享一下，提供我自己理解EM算法的视角。 当然，看完这篇还是不