随机过程:高斯函数导数、梯度 |
您所在的位置:网站首页 › 函数求导的作用 › 随机过程:高斯函数导数、梯度 |
目录 一、说明 二、一维高斯函数 三、n维高斯函数表达式 四、当n=2维的高斯函数梯度 结论: 一、说明高斯函数广泛应用于统计学领域,随机过程,谱分析等。在信号处理领域,用于定义高斯滤波器,在图像处理领域,二维高斯核函数常用于高斯模糊Gaussian Blur,在数理方程领域,主要是用于解决热力方程和扩散方程,以及定义Weiertrass Transform。 对于AI工程人员,掌握一维高斯函数显得少,而掌握多维的也不常用,一般掌握二维高斯较为合适。对这种函数的基本认知包括,导数、积分、n阶矩等,本篇谈一维和二维高斯函数的导数。 二、一维高斯函数一维高斯函数表现为: 函数的导数为: 一维高斯函数的导数可以写成: n维高斯函数,一般在随机过程中讨论,指n个随机变量,构成的联合整体分布。但日常工程一般n=2讨论为多。这里先引进高维,不失一般性讨论n=2的高斯函数。 其中: K= 是什么?这里注意,若是n维度的高斯,就有n个随机变量,这n个随机变量每两个都有一个相关系数: 再次明确: 因为: K就是协方差矩阵。 四、当n=2维的高斯函数梯度二维高斯函数在计算机视觉领域用处广泛,利用0均值的二维高斯函数,可以生成高斯卷积核,用于图像处理中的高斯滤波,实现高斯模糊的效果,有效去除高斯噪声。除此之外,halcon应用大量高斯函数进行物件检测,与傅里叶变换结合,能产生机器丰富的算法, 总公式是: K是协方差矩阵: 因而, 对X1和X2求偏导数后,得到二元高斯函数梯度: 1)多维(二维为例)高斯函数的梯度,一般是在一个椭圆上的梯度,特殊情况在一个圆上(如果在圆上,就成了独立同分布模型)。 2)如果出现二元高斯的时域分析,可以用梯度的泰勒展开化简,近似。 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |