一、說明

????????高斯函數廣泛應用于統計學領域，隨機過程，譜分析等。在信號處理領域，用于定義高斯濾波器，在圖像處理領域，二維高斯核函數常用于高斯模糊Gaussian Blur，在數理方程領域，主要是用于解決熱力方程和擴散方程，以及定義Weiertrass Transform。

????????對于AI工程人員，掌握一維高斯函數顯得少，而掌握多維的也不常用，一般掌握二維高斯較為合適。對這種函數的基本認知包括，導數、積分、n階矩等，本篇談一維和二維高斯函數的導數。

二、一維高斯函數

一維高斯函數表現為：

函數的導數為：?

一維高斯函數的導數可以寫成：

三、n維高斯函數表達式

????????n維高斯函數，一般在隨機過程中討論，指n個隨機變量，構成的聯合整體分布。但日常工程一般n=2討論為多。這里先引進高維，不失一般性討論n=2的高斯函數。

其中：,(其中X和都是向量)。

K= 是什么？這里注意，若是n維度的高斯，就有n個隨機變量，這n個隨機變量每兩個都有一個相關系數：,其中相關系數矩陣是：【這里務必提醒大家--相關矩陣和協方差矩陣不是一碼事，但關系緊密！！！】

再次明確：是兩個不同的隨機變量。

?因為：，所以：

K就是協方差矩陣。?

四、當n=2維的高斯函數梯度

????????二維高斯函數在計算機視覺領域用處廣泛，利用0均值的二維高斯函數，可以生成高斯卷積核，用于圖像處理中的高斯濾波，實現高斯模糊的效果，有效去除高斯噪聲。除此之外，halcon應用大量高斯函數進行物件檢測，與傅里葉變換結合，能產生機器豐富的算法，

總公式是：

?,是期望

K是協方差矩陣：

??

?

因而，的聯合分布函數的密度是：

對X1和X2求偏導數后，得到二元高斯函數梯度：

結論：

1）多維高斯函數的梯度，是在一個橢圓上的梯度，不在一個圓上。

2）如果出現二元高斯的時域分析，可以用梯度的泰勒展開化簡，近似。

總結

以上是生活随笔為你收集整理的随机过程：高斯函数导数、梯度的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。