gaussian

    0

    1答えて

    を持っていない: z = random_normal(shape = (-1, 8, 8, 256), mean = 0.0, stddev = 1.0, dtype = None, seed = None) はエラーを与える: AttributeError: 'Tensor' object has no attribute '_keras_history'. は誰いずれ

    0

    1答えて

    ガウス分布/正規確率分布に沿って乱数を簡単に生成できます。 slice = random.gauss(50.0, 15.0) しかし、確率分布、私が何をしたいの逆数である: しかし、私が欲しいのは逆確率です。ガウス確率の 逆は次のようになります。 そして、私は実際にはそれほど高くないだけで、左側の確率でなく、右をキャプチャしたいと思います。 したがって、確率は正規分布に沿った結果の文字どおり.

    1

    1答えて

    私は連続関数を作成するために、300ポイントのバイナリデータ(xs = 300)にカーネル密度推定を適用しました。 density = gaussian_kde(plane_pos) density.covariance_factor = lambda : .05 density._compute_covariance() density_p = density(xs) 私は、帯域幅は、

    -3

    1答えて

    私の質問は、ユーザーがログインしていない場合は、ポストコンテンツにおけるガウスぼかし画像を表示する方法ワードプレスでログインしていないとき、ログイン画面通常の画像が それは、CSSを変更する必要がありますとき、ガウスぼかし画像を表示する方法ワードプレスこのように .post-content .notlog {-webkit-filter:blur(0.5em);フィルタ:blur(0.9em);}

    1

    1答えて

    以下のPythonコードを使って、モーメント法のガウス分布分布の中心とサイズを計算します。しかし、私はガウスの角度を計算するコードを作ることはできません。 写真をご覧ください。 最初の画像は元のデータです。 第二画像はモーメント法の結果からデータを再構築です。 しかし、第二の画像が不十分再構成です。元のデータは分布が傾いているためです。 ガウス分布のような軸の角度を計算する必要があります。 オリジ

    2

    1答えて

    私はガウス混合分布を近似しており、全体(一次元)データセットの推定カーネル密度をコンポーネントの合計として簡単にプロットできるかどうか疑問に思っていましたこの使用ggplot2のような素敵なファッションでの密度: #example data a<-rnorm(1000,0,1) #component 1 b<-rnorm(1000,5,2) #component 2 d<-c(a,b) #o

    1

    2答えて

    私はデータキューブを 'キューブ'と呼んでいます。私はガウスのカーネルで各2Dスライスを畳み込む必要があります。 ただし、次のコードを使用すると、各スライスの弱いピクセルを希釈する正規化ガウスカーネルが使用されます。 各ピクセルガウスを 'max(Gaussian)'で除算して、各ピクセルがピクセル強度に対して畳み込まれるようにする方法はありますか? import numpy as np fro

    1

    1答えて

    import numpy as np np.random.seed(12) num_observations = 5 x1 = np.random.multivariate_normal([1, 1], [[1, .75],[.75, 1]], num_observations) sum = 0 for i in x1: sum += i print(sum/num_ob

    -1

    1答えて

    データセットに純粋なガウス分布を近づけようとしています。これはdefault_next_monthは、ターゲット変数である LIMIT_BAL SEX EDUCATION MARRIAGE AGE PAY_0 PAY_2 PAY_3 PAY_4 PAY_5 ... BILL_AMT4 BILL_AMT5 BILL_AMT6 PAY_AMT1 PAY_AMT2 PAY_AMT3 PAY_AMT

    1

    1答えて

    でgradient()を使用せずにガウス関数(dx、dy)の1次導関数を計算する私のガウス関数はfspecial('gaussian', 4, 1)として開始しましたが、gradient()は最初の導関数を得るのにとても便利です。とにかく、gradient()を使わずに一次導関数を計算することはできますか?教科書の最初のステップとして示されているように、私は、ハリスコーナー検出器を作成するためにそ