แบบจำลองการผสมแบบเกาส์ (GMMs) มีความน่าสนใจเพราะง่ายต่อการทำงานกับทั้งในเชิงวิเคราะห์และในทางปฏิบัติ มีคุณสมบัติการวิเคราะห์เล็กน้อยที่เราควรคาดว่าจะมีซึ่งไม่ชัดเจนโดยทั่วไป โดยเฉพาะอย่างยิ่ง:
- บอกว่าเรามีการกระจายอย่างต่อเนื่องและเราได้พบ -component ผสมแบบเกาส์ซึ่งอยู่ใกล้กับPในรูปแบบรวม: \ เดลต้า (P \ hat {P}) <\ varepsilon เราสามารถผูกD (P || \ hat {P})ในแง่ของ\ epsilon ได้หรือไม่?N P P δ ( P , P ) < ε D ( P | | P ) ε
- ถ้าเราต้องการสังเกตุผ่านเสียงเพิ่มเติมอิสระY \ sim P_Y (ทั้งจริงต่อเนื่อง) และเรามี GMMs \ hat {X} \ sim Q_X, \ hat {Y} \ sim Q_Nโดยที่\ delta (P , Q) <\ epsilonดังนั้นค่านี้มีขนาดเล็ก: \ left | \ mathsf {mmse} (X | X + Y) - \ mathsf {mmse} (\ hat {X} | \ hat {X} + \ hat { Y}) \ right |
นั่นคือความจริงที่ว่าการประมาณXผ่านY noise นั้นยากพอ ๆ กับการประมาณ\ hat {X}ถึง\ hat {Y} noise? Y ~ P Y X ~ Q X , Y ~ Q N δ ( P , Q ) < ε | มม. s E (
- คุณสามารถทำได้สำหรับรุ่นที่ไม่ใช่เสียงรบกวนเช่นเสียงปัวซองหรือไม่?
การทบทวนวรรณกรรมของฉัน (สั้น) จนถึงตอนนี้เพิ่งเปิดตัวบทเรียนที่นำมาใช้มาก ไม่มีใครมีการอ้างอิงใด ๆ ที่แสดงให้เห็นอย่างจริงจังภายใต้เงื่อนไขใดที่เรามีความชอบธรรมในการใช้แบบจำลองผสม?