問題タブ [gaussian]

Box-Muller 変換は、ガウス分布からランダムな値をサンプリングする洗練された合理的な方法です。

明確に記述され、C# で記述された、より高速なメソッドを探しています。

参考までに、パフォーマンス比較のベースラインとして機能する Box-Muller 実装の実装を次に示します...

EMを使用して、2つのクラスのそれぞれのガウス分布の平均と共分散を推定する必要があります。それらにはいくつかの欠落している属性もあります。

各オブジェクトのクラスは既知です。したがって、問題は基本的に、要素が欠落しているガウスモデルをフィッティングすることになります。

使用するのに最適なライブラリはどれですか？

ECMアルゴリズムはEMアルゴリズムとどのように異なりますか？

私は OpenCV を使用しており、Gaussian Blur を着信ビデオ ストリームに適用しようとしています。私は基本的に cvQueryFrame を使用して、フレームを削除し、ぼかして、フレームを画面に表示します。ただし、ぼかしを適用した後、ビデオが最初のフレームで動かなくなってしまいます....誰もが理由を知っていますか? 基本的に、ビデオの代わりに 1 つのフレームを表示します。2 番目にぼかしを削除すると、再びビデオの出力が開始されます。

}

次の問題を解決するコードがありますが、使用するには遅すぎるようです (O(n^4) だと思います)。Python 初心者が正しいコードを使用可能なコードに変換するのを手伝ってください!

ニューロンは、そのレイヤーと 2 次元インデックスによって指定できます。たとえば、N{0}(1,1) は、1 層目の 2 行 2 列目のニューロンです。各ニューロンは 2 次元空間に配置され、両方の層が同じ空間を均一に満たします。したがって、2 次元のインデックスと、そのレイヤーの行/列の数に基づいて、各ニューロンに (x,y) 座標を割り当てることができます。例: 最初のレイヤーに s0 の行と列があるとします。次に、N{0}(1,1) は (x,y) = (1.5/s0,1.5/s0) に配置されます。

ニューロンの 2 つの層の間の接続パターンを指定する必要があります。最初のレイヤーが s0 by s0 で、次のレイヤーが s1 by s1 だとします。レイヤーごとに、最初に列を作成することで、ニューロンに一意のインデックスを与えることができます。関数の出力は、s0*s0 行と s1*s1 列の行列になります。各エントリは、レイヤー 0 からレイヤー 1 への接続の強度を指定します。この接続の強度を2 つのニューロンの空間位置 (x,y) の差で評価されるガウス関数。

私の最初のアプローチは、ネストされた for ループを使用することでしたが、これは恐ろしく遅いです。

おそらく、事前に必要なすべての値を計算する方法はありますか? これをスピードアップするのに役立つPythonのトリックはありますか? それが matlab の場合、コードをベクトル化しようとしますが、これを python で記述する必要があります。

どんなアイデアでも大歓迎！ありがとう。

可変半径 (標準偏差) のガウスぼかしを書いています。つまり、画像の各ピクセルは異なるカーネルを使用して畳み込まれています。ガウスぼかしを計算するための標準的な手法はここでは機能しません: FFT、軸分離、繰り返されるボックスぼかし - それらはすべて、カーネルが画像全体で同じであると仮定しています。

今、私は次のスキームを使用してそれを近似しようとしています:

ガウス カーネル K(x,y) を、次のように、軸に沿った四角形 R _kの集合 Nと係数 α _kによって定義される区分定数関数 f(x,y) で近似します。

    f(x,y) = ∑<sub>k=1 ^N α _k ·χ _{R k} (x,y)

g(x,y) を画像とすると、

    ∬<sub>ℝ<sup>2 K(x,y)·g(x,y) dxdy ≈ ∬<sub>ℝ<sup>2 f(x,y)·g(x,y) dxdy = ∑< sub>k=1 ^N α _k ·∬<sub>R _k g(x,y) dxdy

RHS の積分は四角形の単純な積分であるため、画像全体の部分和を事前に計算することで一定時間で計算できます。

結果のアルゴリズムは O(W·H·N) で実行されます。ここで、W と H は画像の次元であり、N は (AFAIK) 近似の誤差に反比例します。

残りの部分は、適切な近似関数 f(x,y) を見つけることです。長方形の数 N (誤差を最小化) または誤差 (長方形の数を最小化) が与えられたときに、ガウス分布の最適な近似を見つける方法は?

openCV apiを使用してガウスカーネルを作成し、それをConv2ByDFT関数に渡して畳み込みを実行します。しかし、プログラムがクラッシュし、理由がわかりません。これがコードです。

上記の関数を呼び出すためのmain（）のコードを次に示します。

getGaussianKernel（）関数に問題があるのか​​、Conv2ByFFT（）関数に問題があるのか​​わかりません...誰か助けてもらえますか？どうもありがとう！

関数でガウス データを生成random.gauss(mu, sigma)できますが、どうすれば 2D ガウスを生成できますか? そのような機能はありますか？

かなり基本的な数学の質問がありますが、秘訣は C++ で必要なことです。現時点では、ウィキペディアで提供されている疑似コードに従っています。これが私の試みです：

そして、私がフォローしている疑似コードはウィキペディアからのものです:

私はこれまでのところ最善を尽くしてきましたが、誰かが私のdoが機能しない理由を理解できれば、それは素晴らしいことです. ありがとう！

openCV api の GaussianBlur() に似たガウスぼかしを行う関数 Conv2ByFFT() を作成しています。しかし、関数による効果と GaussianBlur() API の効果を比較すると、前者は後者ほど「ぼやけていない」ことがわかり、その理由がわかりません。

これが「正しい」ものです

これは私の Conv2ByFFT() を使用した結果です

ここにいくつかのコードがあります