c++ - IPP GMM 関数の数式が必要です。ippsLogGaussMixture_32f_D2() などのように

Question

混合ガウスの尤度確率の計算のカスタム実装を ippsLogGaussMixture_32f_D2 などの IPP プロシージャに置き換えようとしていますが、満足できず、この関数の結果を理解していないため、入力データがどのように処理されるかを知りたいので、式が必要です。

Answer 1

わかりました、これは少し遅い答えです。おそらくそれ以降に移動したと思いますが、これらを自分で再実装する必要がありました。実装した 4 つの関数のそれぞれについて、どれだけの違いがあるかに注目しました。なぜこんなに大きな違いがあるのか​​ わかりLogGaussMixtureませんが、同じ球場です.

// This produces a similar result to ippsLogGaussMultiMix_32f_D2 with a very small error in the 5th or 6th decimal place.
template< typename Type > void LogGaussMultiMix( Type* pMeans, Type* pCVars, int step, Type* pFeatures, int featureWidth, Type* pDets, Type* pPostProbs, int gaussianNum )
{
    for( int g = 0; g < gaussianNum; g++ ) 
    {
        Type sum = 0.0f;
        for( int f = 0; f < featureWidth; f++ ) 
        {
            const Type  kFeaturesMinusMean  = pFeatures[f] - pMeans[(g * step) + f];
            sum     += (kFeaturesMinusMean * kFeaturesMinusMean) * pCVars[(g * step) + f];
        }

        pPostProbs[g]   = (Type( -0.5 ) * sum) + pDets[g];
    }
}

// This produces a similar result to ippsLogGaussMixture_32f_D2 but with quite a large error at the second decimal place (~0.05!)
template< typename Type > void LogGaussMixture( Type* pMeans, Type* pCVars, int step, Type* pFeatures, int featureWidth, Type* pDets, int gaussianNum, Type& out )
{
    out = 1.0f;
    for( int g = 0; g < gaussianNum; g++ ) 
    {
        Type sum = 0.0f;
        for( int f = 0; f < featureWidth; f++ ) 
        {
            const Type  kFeaturesMinusMean  = pFeatures[f] - pMeans[(g * step) + f];
            sum     += (kFeaturesMinusMean * kFeaturesMinusMean) * pCVars[(g * step) + f];
        }

        const Type kPostProb    = (Type( -0.5 ) * sum) + pDets[g];
        out     += std::log( Type( 1 ) + std::exp( kPostProb ) );
    }
    out = std::log( out );
}

// This function is similar to ippsUpdateGConst_32f with difference at the 5th decimal place.
template< typename Type > void UpdateGConst( Type* pCVars, int width, Type& det )
{
    Type logSum = 0;
    for( int i = 0; i < width; i++ )
    {
        logSum  += std::log( pCVars[i] );
    }

    // ln( 2 * pi ) = 1.837877066409346;
    det = (width * Type( 1.837877066409346 )) - logSum;
}

// This function is like ippsOutProbPreCalc_32f_I and has no discernible error.
template< typename Type > void OutProbPreCalc( Type* pWeight, Type* pDetIn, Type* pDetOut, int gaussianNum )
{
    for( int g = 0; g < gaussianNum; g++ )
    {
        pDetOut[g]  = pWeight[g] - (Type( 0.5 ) * pDetIn[g]);
    }
}