প্রশ্ন ট্যাগ «self-study»

স্ট্যানফোর্ড এনএলপি গভীর শিক্ষার শ্রেণীর লিখিত কার্যনির্বাহী সমস্যাগুলির মধ্যে আমি যাচ্ছি http://cs224d.stanford.edu/assignment1/assignment1_soln আমি 3a এর উত্তরটি বোঝার চেষ্টা করছি যেখানে তারা কেন্দ্রের শব্দের জন্য ভেক্টর থেকে ডাইরিভেটিভ খুঁজছেন। ধরুন আপনাকে স্কিপগ্রামের কেন্দ্রের শব্দ সি এর সাথে সম্পর্কিত একটি পূর্বাভাসযুক্ত ভেক্টর given দেওয়া হয়েছে, এবং ওয়ার্ড টুভেক মডেলগুলিতে পাওয়া সফটম্যাক্স ফাংশন …

9 self-study  neural-networks  backpropagation  word2vec 

দিন প্রতি দুর্ঘটনার সংখ্যা পরামিতি সঙ্গে একটি পইসন র্যান্ডম পরিবর্তনশীল , কি আর করব 10 এলোমেলোভাবে নির্বাচিত দিনগুলোতে দুর্ঘটনার সংখ্যা 1,0,1,1,2,0,2,0,0,1 যেমন পরিলক্ষিত হয় এর নিরপেক্ষ অনুমানক হতে হবে ?λλ\lambdaeλeλe^{\lambda} আমি এই ভাবে প্রচেষ্টা করার চেষ্টা: আমরা জানি যে , কিন্তু । তাহলে প্রয়োজনীয় নিরপেক্ষ অনুমানক কী হবে?E(x¯)=λ=0.8E(x¯)=λ=0.8E(\bar{x})=\lambda=0.8E(ex¯)≠ eλE(ex¯)≠ eλE(e^{\bar{x}})\neq\ …

9 self-study  estimation  poisson-distribution 

পূর্বে প্রদত্ত যেখানে চতুর্ভুজ ক্ষতির কথা বিবেচনা করুন । আসুন সম্ভাবনা। বেইস অনুমানকারী i ।L(θ,δ)=(θ−δ)2L(θ,δ)=(θ−δ)2L(\theta,\delta)=(\theta-\delta)^2π(θ)π(θ)\pi(\theta)π(θ)∼U(0,1/2)π(θ)∼U(0,1/2)\pi(\theta)\sim U(0,1/2)f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|\theta)=\theta x^{\theta-1}\mathbb{I}_{[0,1]}(x), \theta>0δπδπ\delta^\pi ওজনযুক্ত চতুর্ভুজ ক্ষতির বিবেচনা করুন যেখানে সাথে পূর্বের । আসুন হওয়ার সম্ভাবনা থাকে। বেইস অনুমানকারী ।Lw(θ,δ)=w(θ)(θ−δ)2Lw(θ,δ)=w(θ)(θ−δ)2L_w(\theta,\delta)=w(\theta)(\theta-\delta)^2w(θ)=I(−∞,1/2)w(θ)=I(−∞,1/2)w(\theta)=\mathbb{I}_{(-\infty,1/2)}π1(θ)=I[0,1](θ)π1(θ)=I[0,1](θ)\pi_1(\theta)=\mathbb{I}_{[0,1]}(\theta)f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|\theta)=\theta x^{\theta-1}\mathbb{I}_{[0,1]}(x), \theta>0δπ1δ1π\delta^\pi_1 তুলনা করুন এবংδπδπ\delta^\piδπ1δ1π\delta^\pi_1 প্রথমে আমি লক্ষ্য করেছি যে , এবং আমি ধরে নিয়েছি যে …

9 self-study  bayesian  estimation  hierarchical-bayesian  loss-functions 

প্রশ্নটি শিরোনামযুক্ত কাগজটির উপর ভিত্তি করে: মিলিত রেডিয়েটিভ ট্রান্সপোর্ট-ডিফিউশন মডেল ব্যবহার করে বিচ্ছুরিত অপটিক্যাল টমোগ্রাফিতে চিত্র পুনর্গঠন Image লিংক ডাউনলোড কর লেখক ই.এম. সঙ্গে অ্যালগরিদম প্রয়োগ একটি অজানা ভেক্টরের sparsity নিয়মিতকরণ একটি ইমেজ পিক্সেল অনুমান করার জন্য। মডেল দিয়েছেনl1l1l_1μμ\mu y=Aμ+e(1)(1)y=Aμ+ey=A\mu + e \tag{1} অনুমানটি Eq (8) এ দেওয়া হয়েছে μ^=argmaxlnp(y|μ)+γlnp(μ)(2)(2)μ^=arg⁡maxln⁡p(y|μ)+γln⁡p(μ)\hat{\mu} …

9 self-study  bayesian  maximum-likelihood  expectation-maximization  moving-average 

ধরুন এলোমেলো ভেরিয়েবলগুলি এবং স্বতন্ত্র এবং -বিযুক্ত দেখাও একটি হয়েছে \ পাঠ্য {Exp} (1) বিতরণ।X1,...,XnX1,...,XnX_1, ... , X_nY1,...,YnY1,...,YnY_1, ..., Y_nU(0,a)U(0,a)U(0,a)Zn=nlogmax(Y(n),X(n))min(Y(n),X(n))Zn=nlog⁡max(Y(n),X(n))min(Y(n),X(n))Z_n= n\log\frac{\max(Y_{(n)},X_{(n)})}{\min(Y_{(n)},X_{(n)})}Exp(1)Exp(1)\text{Exp}(1) আমি এই সমস্যাটি \ {X_1, ..., X_n, Y_1, ... Y_n \ = \ {Z_1, ..., Z_n \} সেট করে এই সমস্যাটি শুরু করেছি }{X1,...,Xn,Y1,...Yn}={Z1,...,Zn}{X1,...,Xn,Y1,...Yn}={Z1,...,Zn}\{X_1,...,X_n,Y_1,...Y_n\} = \{Z_1,...,Z_n\} তারপরে max(Yn,Xn)=Z(2n)max(Yn,Xn)=Z(2n)\max(Y_n,X_n)= Z_{(2n)} …

9 self-study  data-transformation  order-statistics 

গুজরাটির বেসিক একনোমেট্রিক্সের চতুর্থ সংস্করণে (কিউ ৩.১১) এটি আসলে একটি সমস্যা এবং বলেছেন যে পারস্পরিক সম্পর্ক সহগটি মূল এবং স্কেল পরিবর্তনের সাথে সম্পর্কিত, এটি হ'ল যেখানে , , , নির্বিচার স্থির।corr(aX+b,cY+d)=corr(X,Y)corr(aX+b,cY+d)=corr(X,Y)\text{corr}(aX+b, cY+d) = \text{corr}(X,Y)aaabbbcccddd তবে আমার মূল প্রশ্নটি হ'ল: এবং পর্যবেক্ষণটি যুক্ত করুন এবং ধরুন এবং ইতিবাচকভাবে সম্পর্কিত, অর্থাত্ । …

9 self-study  correlation  linear-algebra  mathematical-statistics 

আমি বৈষম্য প্রতিষ্ঠার চেষ্টা করে যাচ্ছি |Ti|=∣∣Xi−X¯∣∣S≤n−1n−−√|Ti|=|Xi−X¯|S≤n−1n\left| T_i \right|=\frac{\left|X_i -\bar{X} \right|}{S} \leq\frac{n-1}{\sqrt{n}} যেখানে হ'ল নমুনা গড় এবং নমুনা স্ট্যান্ডার্ড বিচ্যুতি, সেটি হ'ল ।X¯X¯\bar{X}SSSS=∑ni=1(Xi−X¯)2n−1−−−−−−−−−√S=∑i=1n(Xi−X¯)2n−1S=\sqrt{\frac{\sum_{i=1}^n \left( X_i -\bar{X} \right)^2}{n-1}} এটি দেখতে সহজ এবং তাই তবে এটি আমি যা খুঁজছিলাম তার খুব কাছাকাছি নয় বা এটি একটি দরকারী সীমাবদ্ধও নয়। আমি কাউচি-শোয়ার্জ এবং …

9 self-study  descriptive-statistics  bounds 

আমি গ্রেডিয়েন্ট বুস্টিং ( https://en.wikedia.org/wiki/Gradient_boosting ) এ দরকারী উইকিপিডিয়া এন্ট্রি পড়ছি , এবং কীভাবে / কেন আমরা খাড়া বংশোদ্ভূত পদক্ষেপ দ্বারা আনুমানিক আনতে পারি তা বোঝার চেষ্টা করছি (এটি ছদ্ম-গ্রেডিয়েন্টও বলা হয়) )। খাড়া বংশোদ্ভূত কীভাবে অবশিষ্টাংশের সাথে সংযুক্ত / অনুরূপ হয় সে সম্পর্কে কেউ আমাকে অন্তর্দৃষ্টি দিতে পারেন? সাহায্য …

9 self-study  gradient-descent 

একটি 6 পার্শ্বযুক্ত ডাই পুনরাবৃত্তি ঘূর্ণিত হয়। কে এর চেয়ে বেশি বা সমান যোগফল তৈরি করতে প্রয়োজনীয় রোলগুলির প্রত্যাশিত সংখ্যাটি কত? সম্পাদনার আগে P(Sum>=1 in exactly 1 roll)=1 P(Sum>=2 in exactly 1 roll)=5/6 P(Sum>=2 in exactly 2 rolls)=1/6 P(Sum>=3 in exactly 1 roll)=5/6 P(Sum>=3 in exactly 2 rolls)=2/6 P(Sum>=3 in …

9 self-study  mean  expected-value  dice  saddlepoint-approximation 

আমি গাউসিয়ান মিশ্রণ মডেলটি অধ্যয়ন করছি এবং এই প্রশ্নটি নিজেই নিয়ে আসছি। মনে করুন অন্তর্নিহিত ডেটা এর মিশ্রণ থেকে উত্পন্ন হয়েছে কেকেKগাউসীয় বিতরণ এবং তাদের প্রত্যেকের একটি তে একটি ভেক্টর রয়েছে where, যেখানে এবং তাদের প্রত্যেকের একই সম-বৈচিত্র ম্যাট্রিক্স এবং ধরে নিন একটি তির্যক ম্যাট্রিক্স। এবং ধরুন মিক্সিং রেশিও , …

9 self-study  expectation-maximization  gaussian-mixture  consistency 

এখানে কয়েক বছর আগে আমাদের বিশ্ববিদ্যালয়ে একটি সেমিস্টার পরীক্ষায় এসেছিল এমন একটি সমস্যা যা আমি সমাধানের জন্য লড়াই করছি। যদি এক্স1,এক্স2এক্স1,এক্স2X_1,X_2 স্বতন্ত্র ββ\beta ঘনত্বগুলির সাথে বিটা র্যান্ডম ভেরিয়েবলগুলি থাকে β(এন1,এন2)β(এন1,এন2)\beta(n_1,n_2) এবং \ বিটা (n_1 + f dfrac {1} {2}, n_2)β(এন1+ +12,এন2)β(এন1+ +12,এন2)\beta(n_1+\dfrac{1}{2},n_2) যথাক্রমে দেখায় যে এক্স1এক্স2-----√এক্স1এক্স2\sqrt{X_1X_2} অনুসরণ করে β( 2)এন1, …

9 self-study  random-variable  beta-distribution  distributions  jacobian 

দৃust় পরিসংখ্যানের 180 পৃষ্ঠায় : প্রভাব কার্যকারণের উপর ভিত্তি করে দৃষ্টিভঙ্গি নীচের প্রশ্নটি খুঁজে পেয়েছে: 16: দেখান যে সবসময় অবস্থান-পরিবর্তিত estimators জন্য । সীমাবদ্ধ-নমুনা ব্রেকডাউন পয়েন্ট উপরের আবদ্ধ , যেখানে উভয় ক্ষেত্রে বিজোড় বা সমান হয়।ε∗≤12ε∗≤12\varepsilon^*\leq\frac{1}{2}ε∗nεn∗\varepsilon^*_nnnnnnn দ্বিতীয় অংশ (পিরিয়ডের পরে) আসলে তুচ্ছ (প্রথম দেওয়া) তবে আমি প্রশ্নের প্রথম অংশ (বাক্য) …

9 self-study  robust 

বিতরণের পরামিতিটি একটি পরিচিত ধ্রুবক হিসাবে এই বিতরণকারীগুলির একটি ক্ষতিকারক পরিবার হিসাবে নেতিবাচক দ্বি-দ্বি বিতরণকে প্রকাশ করার জন্য আমার একটি হোমওয়ার্ক অ্যাসাইনমেন্ট ছিল। এটি মোটামুটি সহজ ছিল, তবে আমি ভাবছিলাম যে তারা কেন আমাদের এই পরামিতিটি স্থির করে রাখবে। আমি দেখতে পেলাম যে দুটি পরামিতি অজানা হয়ে আমি সঠিক ফর্মটিতে …

9 self-study  mathematical-statistics  negative-binomial  proof  exponential-family 

আমি জোহেনসেন পদ্ধতিটি আরও ভালভাবে বোঝার চেষ্টা করছি তাই আমি সম্ভাবনা -ভিত্তিক-অনুমিতিকান-সমন্বিত-স্বাবলম্বী-একনোমেট্রিক্স যেখানে আমাদের তিনটি প্রক্রিয়া রয়েছে বইটি দিয়ে তৈরি একটি উদাহরণ তৈরি করেছিলাম : X1t=∑i=1tϵ1i+ϵ2tX1t=∑i=1tϵ1i+ϵ2tX_{1t} = \sum_{i=1}^t \epsilon_{1i} + \epsilon_{2t} X2t=α∑i=1tϵ1i+ϵ3tX2t=α∑i=1tϵ1i+ϵ3t X_{2t} = \alpha \sum_{i=1}^t \epsilon_{1i} + \epsilon_{3t} X3t=ϵ4tX3t=ϵ4t X_{3t} = \epsilon_{4t} সুতরাং সমন্বয়কারী ভেক্টরগুলি [a, -1, 0] এবং …

9 self-study  cointegration  vecm 

আমি বুঝতে প্রাপ্ত কিভাবে চেষ্টা করছি জন্য -values একতরফা Kolmogorov-Smirnov পরীক্ষা , এবং CDFs এটি সংগ্রাম করছি এবং দ্বি-নমুনা ক্ষেত্রে। এক-নমুনা ক্ষেত্রে এর সিডিএফ হিসাবে নীচে কয়েকটি জায়গায় উদ্ধৃত করা হয়েছে :pppD+n1,n2Dn1,n2+D^{+}_{n_{1},n_{2}}D−n1,n2Dn1,n2−D^{-}_{n_{1},n_{2}}D+nDn+D^{+}_{n} p+n(x)=P(D+n≥x|H0)=x∑j=0⌊n(1−x)⌋(nj)(jn+x)j−1(1−x−jn)n−jpn+(x)=P(Dn+≥x|H0)=x∑j=0⌊n(1−x)⌋(nj)(jn+x)j−1(1−x−jn)n−jp^{+}_{n}\left(x\right) = \text{P}\left(D^{+}_{n} \ge x | \text{H}_{0}\right) = x\sum_{j=0}^{\lfloor n\left(1-x\right)\rfloor}{ \binom{n}{j} \left(\frac{j}{n}+x\right)^{j-1}\left(1 - x - \frac{j}{n}\right)^{n-j}} এছাড়াও, হোবার …

9 self-study  kolmogorov-smirnov  cdf