우리 (우리 동료)에게 가우스 분포를 갖는 많은 양의 불연속 정수 데이터 (강도)를 초당으로 보내는 장치가 제공되었습니다. 이 의사 가우시안은 하나씩 차례로 흐르고 가능한 한 빨리 각 가우스 중심에서 가장 큰 강도를 선택한다고 가정합니다. 게다가이 데이터에는 잡음이 포함되어 있으므로 각 가우스가 두 개의 단조로 분리 될 수 없다고 말할 수는 없습니다.> 데
필자는 데이터에 다중 가우스 피팅을 수행하는 방법을 찾고있었습니다. 지금까지 발견 한 예제 중 대부분은 난수 생성을 위해 정규 분포를 사용합니다. 그러나 나는 데이터의 플롯을보고 1-3 피크가 있는지 확인하는 데 관심이 있습니다. 하나의 피크에 대해이 작업을 수행 할 수 있지만 더 많은 작업을 수행하는 방법을 모르겠습니다. 예를 들어,이 데이터를 가지고 :
필자는 복소수 (입방체)로 이산화 된 3D 공간을 가지고 있습니다. 나는 또한 그러한 공간에서 일련의 3D 점들을 가지고있다. 주어진 보셀에서 예상되는 점의 수를 알고 싶습니다. GMM을이 모델의 모델로 선택했지만 각 가우스의 무, 시그마 및 가중치부터 시작하여 원하는 것을 계산하는 방법을 모르겠습니다. 지금까지 내가 (쉬운)에 GMM에 맞게 관리 : ob
내가 GMM과 HMM (숨겨진 마르코프 모델) 네트워크를 양성하기 위해 노력하고 일부 특정 소리 (동물의 호출 등) 을 감지하는 간단한 모델을 HMM GMM 구현을 배우려고 노력하고 생성하고 (가우스 혼합) MATLAB에서. 몇 가지 질문이 있습니다. 정보를 찾을 수 없었습니다. 1)mhmm_em() 기능은 각 HMM 상태에 대한 루프에서 호출해야 또는 자
이미지에 적용 할 수있는 가우시안 필터를 생성하려고하는데 가로 세로로 두 번 1D를 적용하고 싶습니다. 또한 각 평면에 개별적으로 적용하고 싶습니다. 빨강, 녹색, 파랑 구성 요소에서 가로로 적용하려면 1D 가우스 필터를 디자인해야합니다. 그런 다음 빨강, 녹색, 파랑 구성 요소에 세로로 적용 할 동일한 1D 가우스 필터가 있습니다. 그리고 저는이 작업이
Mcust를 이해하려고 노력 중이므로 가장 쉬운 방법은 가우시안 혼합 모델링을 사용하여 가우스 모델을 모델링하는 것입니다. 나는 G = 1이 가장 적합하다고 생각했을 것이다. 그러나 나는 G = 6을 얻었고 그것들을 프린트하면 원래의 Gaussian에 근접하지도 않습니다. 어떤 힌트가 여기에 잘못 되었습니까? x<-seq(-4,4,length=200)
y
값을 버킷에 균일하게 배포하는 가장 좋은 방법은? 값은 가우스 분포를 사용하여 생성되므로 대부분의 값은 중앙값에 가깝습니다. CUDA에서 버킷 정렬을 구현하고 있습니다. 대부분의 값은 중앙값 근처에서 생성되기 때문에 4-5 버킷에 삽입됩니다. 많은 수의 버킷을 만들 수 있으며 3-4 버킷 대신 모든 버킷의 값을 고르게 분배하고 싶습니다.
연습용으로 파이썬에서 자체 가우스 커널을 구현하고 싶습니다. 나는 사용하고있다 : sklearn.svm.SVC(kernel=my_kernel) 그러나 나는 정말로 무슨 일이 일어나는지 이해하지 못한다. X 행의 열을 매개 변수로 사용하여 my_kernel 함수를 호출 할 것을 기대합니다. 대신 X, X을 인수로 사용했습니다. 예제를 보면 사물이 더 선명하지