gaussian

1熱

1答えて

Thisここで、numpyを使ってガウスカーネルを生成する方法について説明します。しかし、私は入力がkernlenとnsigである入力が何であるか、そしてそれらがガウス分布を記述するために通常使用される平均/標準偏差にどのように関係しているか理解していません。たとえば、mean = (8, 10)とsigma = 3という2次元ガウスカーネルを生成するにはどうすればよいですか？理想的な出力は、ガ

1熱

1答えて

ケラスのGaussianDropout Layerはドロップアウトレイヤーのような確率を保持していますか？

KerasのGaussianDropout Layerがドロップアウトレイヤのような確率を保持しているのではないかと思いました。ドロップアウトレイヤーは、確率を保持する反転ドロップアウトとして実装されています。問題が認識されない場合は、discussionをご覧ください。具体的には、linxihuiの回答に記載されています。ドロップアウトレイヤーに確率を保持させる重要なポイントは、Gauss

0熱

1答えて

Python正弦波のホワイトノイズ

私がやっているのは、正規分布振幅と周波数を持つ正弦波を作成することです。例えば5V、2〜10Hz。だから私の試みは、与えられた振幅と周波数で私の機能を取得し、それを最初の転換点まで実行することです。そこから、次の関数を計算し、前の関数の点のy値を（シフトとして）追加して、その点から開始します。私の問題は、カーブではなく直線を得る関数の変更の一部です。誰かが私がどこに間違っているのか教えてもらえれば

5熱

1答えて

Rubyにおける浮動小数点丸めの変化2.4

Ruby 2.4では、浮動小数点数を丸めるためにガウスの丸めを使用しています。ウィキペディアによれば：（元の番号が等しくない確率で正または負であっても）少ないバイアスさタイブレーク規則はさえに半円形です。この規約では、yの割合が0.5の場合、qはyに最も近い偶数の整数です。従って、例えば、+ 23.5は+24.5、+ 24.5は+24、 -23.5は-24.5と同様-24になります。ただし、

0熱

2答えて

組み込みMatLab関数を使用しないガウスフィルタの適用

Matlabを初めて使用しました。私は実際に私の専攻で実際のコンピュータサイエンスの授業を始めています。だから、それを覚えておいてください。目的は、組み込み関数を使用せずに、この特定のイメージにガウスフィルタを作成して適用することです。これまでは、カーネルを作成するためのこのコードがあります。私たちは、さまざまなシグマ値で遊んでいた後、カーネルを視覚化しました。 f = imread('input

1熱

1答えて

python-lmfitでフィッティングしたガウス曲線の後に個々のピークをプロットする

このコードから、 "out.best_fit"で最終フィットを印刷できます。私が今やりたいことは、各ピークを個々のガウス関数それらのすべてが1つの単一の曲線にマージされているのではない。 from pylab import * from lmfit import minimize, Parameters, report_errors from lmfit.models import Gauss

0熱

1答えて

出力[0] = y0 ValueError：シーケンスで配列要素を設定する

これで数日間苦労しています。私は区分的ガウス関数の密度を推定しようとしています。誰でも今私がエラーを取得している理由を教えてください TypeError: output[0] = y0 ValueError：シーケンスで配列要素を設定します。それは、この行に起こる：ここ Zero_RG = integrate.romberg(gaussian(q,x,mu,sigma), Q1, Q2).

0熱

1答えて

sklearn BayesianGaussianMixture複数のデータポイントに基づくクラスタ割り当て

sklearn.mixture.BayesianGaussianMixtureを使用して一連の軌跡に合わせようとしています。各軌道は、データポイントのセットからなる。 t_iは、i番目の軌道と(x_ik, y_ik)ある t_i = {x_i1, y_i1, x_i2, y_i2, ... , x_iN, y_iN}, は、軌道上のk番目の点です。例えば、x_ikは、時間ステップkでロボット

2熱

1答えて

ガウスプロセス：最大対数尤度は無限の結果を与えます

私はこれでうまくいかないことを理解していないと感じません。ガウスプロセスにいくつかのデータを合わせたいと思っています。私は私のデータの上にフィットする3つのハイパーを持って k(x,x0) =σ0²*exp(-(x-x0)²/(2*λ²)) ：私共分散関数は、基本的な乗指数関数である2つの共分散関数からパラメータ（σおよびλ）、および仮定から来てσ0私のデータは騒がしいです。したがって、負

0熱

1答えて

glmer（family = inverse.gaussian（link = "log"））からの逆変換

私は現在family = inverse.gaussian（リンク= "ログ"）でglmerを実行しています。次のように私が持っている「トップモデル」です。という係数の出力と full_mod2=glmer(cpueplus1 ~ assnage * logcobb + (1|fyear) + (1|flocation), data=yc,family=inverse.gaussian(link