我要投稿 查看投稿进度
学术期刊
在线客服
客服电话：400-188-5008
客服邮箱：service@ccnpub.com
投诉举报：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享

请选择 目标期刊

隐高斯树的分层合成——一种基于信息论解决合成问题的方法 下载：83 浏览：472

Ali Moharrer1 魏双庆1 骆源2，3 《信息通信与技术》 2018年2期

摘要:
文章基于高斯分布提出一种信息论的启发式合成方法:根据给定的联合密度，研究产生随机向量的机制，从而引出(隐)高斯树结构；依赖于已知的树结构，构造分层的连续的合成方案，达到使用足够数量的公共随机变量来合成希望密度的研究目的。算法中所使用的公共随机源由树顶层的隐变量、独立可加性高斯噪声、以及表达变量之间模糊性的伯努利符号三部分组成。文章所提出的方法不但可以揭示数据隐含的内部联系，而且适用于在机器学习领域中产生仿真数据。
[1/1]
|<
<
1
>
>|
在线客服：：点击联系客服
联系电话：：400-188-5008
客服邮箱：：service@ccnpub.com
投诉举报：：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享