Dieser Audiobeitrag wird von der Universität Erlangen-Nürnberg präsentiert.

Die Distribution der Feature-Points in dem Raum.

Zum Beispiel, wenn wir zwei Kloster haben, würden wir mit einer Ensemble von Tieren enden,

die über die jeweiligen Tieren aufgeworfen werden,

und in diesem Falle zwei schöne Gaussian-Distributionen,

mit einer schmalen Transition zwischen ihnen,

wie hier Höhe, Höhe, Höhe und so weiter.

Wir haben gesehen, dass wir nicht viel mit unserer genära-tri- oder forest-Modell adapted

werden müssen, um das zu tun, damit wir die meisten Dinge behalten können.

Das Wichtigste ist, dass wir an den Leichen eines Tiers eine Gaussian-Modell befinden.

Das ist der Hauptveränder in unserer genära-Approach.

Jetzt, am Ende des gesternigen Kurses, haben wir auch sehr schnell über Samplung aus der

Forest gesprochen. Und dann gab es eine Remarke.

Die Samplungsstrategie, die wir gerade kurz gesprochen haben, war, ein Tierschuh aus der

Forest zu holen, und dann in diesem Tierschuh zu entlang zu gehen, nach der Probabilität,

oder der Veränderung der Samplungspunkte in diesem Tierschuh.

Und dann haben wir eine Leiche erreicht, eine Samplung aus der Gaussian-Distribution

an dieser Leiche. Und jemand hat eine Remarke nach der Kurs gemacht,

und dann hat er gesagt, okay, warum benutzen wir nicht die ganze Forest für Samplung?

Und das ist der Punkt, dass wir das tatsächlich tun können.

Wir können die ganze Forest für Samplung benutzen.

Das Hauptmögliche, das diese andere Technik motiviert, ist,

dass wir ein wenig Zeit verpösen, wenn wir die Samplung machen,

weil wir nicht durch die einzelnen Tierschuhe in der Forest gehen müssen.

Das ist der Hauptmotivation für das.

Aber wir könnten auch die kreierte Foreststruktur benutzen.

Und für die einzelnen Tierschuhe in der Forest,

eine Probabilität, eine Densität, und dann die Veränderung.

Okay, heute werden wir diese Densitätsforesten

an die Samplung von Samplung ausstellen.

Also, wir müssen sagen, dass wir eine Spirulose Struktur in unserem Daten haben.

Und wir verwenden die Densitätsforesten.

Und wir haben uns sehr gut umgebracht, dass wir nicht überfüllen,

nicht unterfüllen, also das kann schmerzhaft sein, aber wir haben das alles gemacht.

Und was wir auf der anderen Seite bekommen haben,

ist, dass wir ein paar Gauzien befinden,

die mehr oder weniger wie diese Spirulose Struktur aussehen.

Also, das ist unsere Densitätsforest, sagen wir.

Und jetzt werden wir es zu der Null-Folge-Learnung ausstellen.

Null-Folge-Learnung bedeutet, wir fragen uns,

ob diese Spirulose Struktur wirklich die leichteste Präsentation ist,

weil es eigentlich ein bisschen kompliziert ist, die Spirulose zu beschreiben.

Vielleicht finden wir eine weniger dimensionale Bedingung,

die die lokale Nachbarschaft informiert.

In diesem Fall, um den Spirulose-Struktur wirklich schnell zu erledigen,

müssen wir unsere Densitätsforesten mit einem Affinitätsmodell ausstellen,

um eine Beziehung zwischen diesen Gauzien zu erledigen, die wir befinden.

Spezifisch, well, man könnte dieses Affinitätsmodell als ein paar Links denken,

die wir zwischen diesen Gauzien erledigen, die uns sagen,

dass diese sehr nah zusammen sind.