gpt4 book ai didi

python - 给定原始和复杂的一维数据的核估计

转载 作者:行者123 更新时间:2023-12-01 08:18:43 26 4
gpt4 key购买 nike

我不知道如何在给定原始数据和卷积数据的情况下找到用于卷积的内核。例如,如果我有 1D 数据 X 并且我对某个内核 phi 应用卷积,我将得到像这样的输出 convolulated_x。

import numpy as np
X = np.asarray([1,2,3,4,5,6,7,8,9,10])
phi = np.asarray([-1,0,1])
X_conv = np.convolve(X, phi, mode='same')
print(X_conv)

这里,X_conv是[-2 -2 -2 -2 -2 -2 -2 -2 -2 9]。

我的问题是,如果只给出 X 和 X_conv 有没有办法找到用于卷积的内核 phi?

最佳答案

如果我们用 X 表示输入向量,用 Y 表示输出(卷积)向量,则每个 Y(i) 都会生成由 X 的某些元素的线性组合组成:

Y(i) = Sum{j} X(j) * kernel(kernelIndex(i, j))

kernelIndex 是一个函数,它为您提供访问给定卷积的内核的特定位置,并且通常与实现相关(即如何索引输入/输出)。

就我们的目的而言,Y(i)X(j) 是已知的,kernel(…) 是未知的。因此,对于每个输出 Y(i),我们可以陈述一个线性方程(如上所述)。我们可以收集所有这些方程并求解未知的内核条目。下面是 Matlab 中的示例实现:

function [kernel] = solveConv(source, target, kernelSize)
sizeOfSource = size(source);
sizeOfSource = sizeOfSource(2);
% linear system A x = b
A = zeros(sizeOfSource, kernelSize);
b = zeros(sizeOfSource, 1);
for i = 1 : sizeOfSource
for j = 1 : kernelSize
sourceIndex = i + (kernelSize - j) - floor(kernelSize / 2);
if sourceIndex >= 1 && sourceIndex <= sizeOfSource
A(i, j) = source(sourceIndex);
end
end
b(i, 1) = target(i);
end
% solve the linear system
kernel = A \ b;
end

您可以使用此函数来获取内核:

>> solveConv([1,2,3,4,5,6,7,8,9,10], [-2 -2 -2 -2 -2 -2 -2 -2 -2 9],3)
ans =

-1.0000
-0.0000
1.0000

或者,如果您不确定内核大小,请尝试更大的内核:

>> solveConv([1,2,3,4,5,6,7,8,9,10], [-2 -2 -2 -2 -2 -2 -2 -2 -2 9],5)

ans =

-0.0000
-1.0000
-0.0000
1.0000
-0.0000

关于python - 给定原始和复杂的一维数据的核估计,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/54818786/

26 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com