PDL :: Gaussian. يوفر PDL :: Gaussian مجموعة من الإجراءات القياسية للتعامل مع مجموعات توزيعات غاوسي.
التحميل الان

PDL :: Gaussian. الترتيب والملخص

PDL :: Gaussian. العلامات

الوحدة النمطية بيرل الروتينات غاوسي PDL روتينات PDL توزيعات غاوسي

PDL :: Gaussian. وصف

PDL :: Gaussian يوفر مجموعة من الإجراءات القياسية للتعامل مع مجموعات توزيعات غاوسية. PDL :: Gaussian يوفر مجموعة من الإجراءات القياسية للتعامل مع مجموعات توزيعات Gaussian.Synopsis $ A = PDL New PDL :: Gaussian (، )؛ $ A-> set_covariare (...) تتم تهيئة مجموعة جديدة من Gaussians $ A = PDL New PDL :: Gaussian (XDIMS، GDIMS)؛ حيث XDIMS هو إشارة إلى مجموعة تحتوي على الأبعاد في الفضاء و GDIMSLIST هي إشارة إلى مجموعة تحتوي على أبعاد الفضاء الغاوسي. على سبيل المثال، بعد $ A = PDL New PDL :: Gaussian (، )؛ $ B = جديد PDL :: Gaussian ([]، []، [])؛ يحتوي المتغير $ A مجموعة من 12 (= 3 * 4) Gaussians 2 الأبعاد و $ ب هو أبسط نموذج: واحد 1D Gaussian. حاليا، قد يتناول XDIMS إما صفر أو أبعاد واحدة بسبب قيود PDL :: PP.To تعيين معلمات التوزيع، يمكنك استخدام الروتين $ A-> set_covariance ($ CV)؛ # مصدرات التباين $ A-> set_icoviangariance (ICV $)؛ # مصفوفات التباين العكسية $ A-> set_mu ($ mu)؛ # المراكز الأبعاد من CV $ CV و ICV يجب أن تكون (@ XDIMS، @ XDIMS، @ GDIMS) وأبعاد $ MU يجب أن تكون (@ XDIMS، @ GDIMS). يمكنها استخدام الروتين $ CV = $ A-> get_covariance ()؛ # السيرة الذاتية = إشارة إلى مصفوفة التباين ... # الزغب حولها مع CV $ A-> upd_covariance ()؛ # UpdateAdeD بالمثل للحصول على Icovariance (معاكس التباين). تتمثل آخر مكالمة فرعية مهمة في تحديث الأجزاء الأخرى من الكائن. للحصول على تمثيل سلسلة من Gaussians (الأكثر فائدة لتصحيح الأخطاء) استخدم سلسلة Rotine $ = $ A-> ASSTR ()؛ من الممكن حساب الاحتمال أو لوغاريتم من احتمال كل من التوزيعات في بعض النقاط. $ A-> Calc_Value ($ x، $ P)؛ $ a-> calc_lnvalue ($ x، $ p)؛ هنا، يجب أن يكون لدى $ X أبعاد (NDIMS، ...) P $ P يجب أن يكون لها أبعاد (GDIMSSLIST، ...) حيث يمثل Elipsis نفس الأبعاد في كلا المتغيرين وبعد عادة ما ينصح بالعمل مع لوغاريتم الاحتمالات لتجنب المشاكل العددية. من الممكن توليد المعلمات من أجل gaussians من البيانات. وظيفة $ a-> finweighteddata (بيانات $، $ WT، $ small_covariance)؛ حيث توجد بيانات $ من الأبعاد (NDIMS، NOINTS) و $ WT من الأبعاد (Noints، GDIMSLLIST)، تحلل البيانات إحصائيا ويعطي Gaussian المقابلة توزيع. المعلمة $ small_covariance هي أصغر علامة التباين المسموح بها في أي اتجاه: إذا كانت واحدة أو أكثر من eigenvalues من مصفوفة التغليف أصغر من هذا، يتم ضبطها تلقائيا على $ small_covariance لتجنب التفرد.

PDL :: Gaussian. برامج ذات صلة