คำถามติดแท็ก convolution

การแจกแจงที่เสถียรมีค่าคงที่ภายใต้การโน้มน้าวใจ ครอบครัวย่อยของการแจกแจงที่เสถียรจะถูกปิดภายใต้การคูณ ในแง่ที่ว่าถ้าและแล้วน่าจะเป็นสินค้าที่มีฟังก์ชั่นความหนาแน่น (ได้ถึงคงฟื้นฟู) ยังเป็น ?f ∈ F g ∈ F f ⋅ g FFFFฉ∈ Ff∈Ff\in Fก.∈ Fg∈Fg\in F ฉ⋅ กรัมf⋅gf \cdot gFFF หมายเหตุ:ฉันเปลี่ยนเนื้อหาของคำถามนี้อย่างมาก แต่ความคิดนั้นก็เหมือนกันและตอนนี้มันง่ายกว่ามาก ฉันมีคำตอบเพียงบางส่วนเท่านั้นดังนั้นฉันคิดว่าไม่เป็นไร

10 distributions  convolution  stable-distribution 

ฉันมีชุดข้อมูลที่ไม่สมดุลในงานการจำแนกแบบไบนารีซึ่งจำนวนบวกกับจำนวนเชิงลบคือ 0.3% เทียบกับ 99.7% ช่องว่างระหว่างผลบวกและเชิงลบนั้นมีขนาดใหญ่มาก เมื่อฉันฝึก CNN ด้วยโครงสร้างที่ใช้ในปัญหา MNIST ผลการทดสอบจะแสดงอัตราลบติดลบสูง นอกจากนี้เส้นโค้งข้อผิดพลาดในการฝึกอบรมจะลดลงอย่างรวดเร็วในช่วงเวลาสองสามตอนที่เริ่มต้น แต่ยังคงเป็นค่าเดียวกันในยุคต่อไปนี้ คุณช่วยแนะนำวิธีแก้ไขปัญหานี้ให้ฉันได้ไหม? ขอบคุณ!

10 classification  neural-networks  deep-learning  convolution  computer-vision 

ฉันต้องการคำนวณ / ประเมินผลการบิด ก.( x ) =∫Dฉ( x - t ) ϕ ( t ) dเสื้อ,g(x)=∫Df(x−t)ϕ(t)dt,g(x)=\int_D f(x-t) \phi(t) dt, ที่คือความหนาแน่นและเป็นฟังก์ชั่นได้อย่างราบรื่นด้วยการสนับสนุนที่มีขนาดกะทัดรัดDการบิดไม่มีอยู่ในรูปแบบปิดและฉันจำเป็นต้องรวมเข้าด้วยกันเป็นตัวเลข คำถามของฉันคือ: มีวิธีที่มีประสิทธิภาพในการทำเช่นนี้? ฉันต้องการใช้มันใน R ดังนั้นฉันต้องการดูว่ามีวิธีที่ดีกว่าการใช้คำสั่งหรือไม่ฉffφϕ\phiDDD integrate()

9 r  convolution