問題タブ [gaussian]

ガウス分布に従っているように見えるデータがいくつかあります。だから私は使用します

my.glm<- glm(b1~a1,family=Gaussian)

次にコマンドを使用します

summary(my.glm)。

結果は次のとおりです。

よく合うと思います。しかし、どうすればこれらのデータにガウス曲線を描くことができますか？

顔を表すことになっている点群があります。ガウスフィルターを複数回適用する必要があります。Javaで何かを試しましたが、うまくいきませんでした。私は間違って進んだのではないかと思います。目的は、いくつかの空の領域を「埋める」ことです。

n * n個のセルのマスクを作成し、これをすべてのポイントに適用しました。このマスクは、マスク内のポイントを考慮してガウスフィルターを適用することになっています。平均フィルターは適切に機能しますが（ただし、必要なものではありません）、作成したガウスフィルターは機能しません。

ポイントは3D空間上にあります。問題は、Javaでどのように進めて、3D空間の点群に適用するガウスフィルターを作成するのでしょうか。

解決策は簡単だと思いますが、何かが足りないと思います。ガウスフィルターについて必要なものをすべて読んでいます。ですから、おそらくそれは私が抱えているJavaの問題です。

ガウス分布 (値は主に -5 から 5 まで) の行列、ポアソン行列を生成し、それらを混合して、Matlab FastICAへの入力として与える必要があります。

私は Matlab、ディストリビューション、および ICA の初心者なので、いくつかの指針が本当に役に立ちます。私は一生懸命努力してきましたが、正しい軌道に乗っているかどうかわかりません。

ガウス行列とポアソン行列を生成するために、次の 2 つの配列を生成しました。

次に、reshape 関数を使用して2つの 200x200 マトリックスを生成します。imageを使用すると、次の画像が得られます。

私の最初の質問はこれです:これはMatlabでガウス行列とポアソン行列を生成する正しい方法ですか? または、配列を生成して再形成する代わりに、実際に行列を生成する組み込み関数がいくつかありますか?

さて、2 番目の問題: FastICAの使用。

ICA (Independent Component Analysis) fast-fixed point algorithmの非常に優れた回答を参照すると、FastICA には各信号が連続して必要であることが記載されています。

したがって、次の方法で信号行列を生成しています。

次に、混合行列を生成し、ノイズを追加して、結果の行列を入力として fastica() 関数に渡します。

私の質問は、2D データを FastICA に直接渡すことは可能ですか? 多くの混合信号を含む画像があり、それを ICA に渡して、独立成分を見つけられるようにしたい場合はどうすればよいでしょうか?

さまざまな入力で FastICA を使用する方法を説明するチュートリアルへのリンクは非常に役立ちます。

この投稿を読んで助けようとする人に、事前に感謝します。長い質問で申し訳ありませんが、よく理解していることを確認したかったのです!

「象徴的に」解決した問題に対して、少しのシミュレーションを通じて別の解決策を得たいと思います。ここで、Mathematica を使用して直接統合する方法を知りたいと思います。

(0,0 を中心とする) r = 1 の円盤で表されるターゲットを考えてください。ダーツを投げてこのターゲットに命中する確率をシミュレーションしたいと思います。

今、私はそれらを投げる偏りはありません。つまり、平均して中心にヒットします mu = 0 ですが、分散は 1 です。

ダーツがターゲット (または壁 :-) に当たったときの座標を考慮すると、次の分布、2 つのガウスがあります。

等分散 =1 で 0 を中心とするこれらの 2 つの分布を使用すると、結合分布は次のような二変量ガウス分布になります。

したがって、ターゲットに命中する確率、または x^2 + y^2 が 1 より劣る確率を知る必要があります。

極座標系での変換後の積分により、最初に解が得られました: .39 . シミュレーションは次を使用して確認しました：

Mathematica の統合機能を使用してこの問題を解決するもっと洗練された方法があったと思いますが、エーテル作業をマッピングすることはできませんでした。

アプリオリな情報を最大限に活用して制約を追加できるようにするために、(通常の EM ベースではなく) フィッティング/分類にギブス サンプリング ベースのアプローチを使用する多変量 GMM の C++ 実装を探しています。多くの場合、ディリクレ プロセス ガウス混合モデルまたは DPGMM として知られています。

私はすでにこれをMatlabに実装していますが、このコードの変換に時間を費やすのではなく(はい、コードは組み込みのmatlabコーダーを使用して変換しますが、現在はさまざまな追加のMatlabライブラリに依存しています)。また、効率も重要です。GMM を 1 秒間に何度も大規模なデータ セットに適合させます。

したがって、すでによく知られている効率的なコードが存在するかどうかを知りたいと思っています。最初の検索ではあまりヒットしませんでした。

Gaussian Blur (Interface Builder で CALayer を使用してセットアップ) を持つイメージ ビューがあります。画像がぼやけているため、画像がウィンドウいっぱいになり、エッジの周りに望ましくない透明な領域ができます。画像ビューの上にぼかし「レイヤー」を作成して、エッジを台無しにすることなく画像を歪める方法はありますか? エッジの歪みがガウスぼかしの仕組みによるものであることは理解しています。

ありがとう

これはウィンドウの左上隅です

多くのデータポイントにガウスフィットを適用しようとしています。たとえば、256 x 262144 のデータ配列があります。256 ポイントをガウス分布に適合させる必要があり、そのうち 262144 個が必要です。

ガウス分布のピークがデータ範囲外にある場合があるため、正確な平均結果を得るには、曲線近似が最適な方法です。ピークが範囲内にある場合でも、他のデータが範囲内にないため、カーブ フィッティングによりシグマが改善されます。

http://www.scipy.org/Cookbook/FittingDataのコードを使用して、1 つのデータ ポイントに対してこれを機能させています。

このアルゴリズムを繰り返してみましたが、これを解決するには 43 分程度かかるようです。これを並行して、またはより効率的に行うための、すでに書かれた高速な方法はありますか?

データは必ずしも 256x262144 であるとは限らないことに注意してください。

これを機能させるために使用するコードは

注: @JoeKington によって以下に投稿されたソリューションは素晴らしく、非常に高速に解決します。ただし、ガウスの重要な領域が適切な領域内にない限り、機能しないようです。ただし、これを使用する主な目的であるため、平均がまだ正確であるかどうかをテストする必要があります。

表形式の XY データからガウス関数 (別名ベル曲線) へのカーブ フィッティングを行うアルゴリズムを探しています。グーグルで検索すると、Matlab 用のガウス フィッティング アルゴがいくつか見つかります。

https://ccrma.stanford.edu/~jos/sasp/Fitting_Gaussian_Data.html

http://jila.colorado.edu/bec/BEC_for_everyone/matlabfitting.htm

仕事にはMatlabの「ポリフィット」機能を使用しているようです。

Lua 言語 (ガウスまたはポリフィット) のアルゴリズムをすぐに作成したのを見た人はいますか? そうでない場合は、Lua のスキルが限られているため、そのようなアルゴリズムを作成/移植するのに 1 日かかる可能性があるため、助けていただければ幸いです。

私はゼロと1の間のガウス分散ランダム乱数を生成する関数に取り組んできました.このウェブサイトはここにあり、手順を理解するためにPolar Formのアルゴリズムを基本的にコピーしたため、非常に役立ちましたが、 0 を含み 1 を除く 0 と 1 の間の値。私が正しければ、これの数学表記は [0, 1) だと思います。あなたが提供できる洞察は素晴らしいでしょう。Unix では、これは次のようにコンパイルされます。gccファイル名.c -lm