1.单变量

单变量积分:

                   NNPR-Appendix B Gaussian Integrals(高斯积分)

要完成上面积分,可通过考虑积分的平方,并转换到极坐标系(NNPR-Appendix B Gaussian Integrals(高斯积分)NNPR-Appendix B Gaussian Integrals(高斯积分) )来巧妙实现

                     NNPR-Appendix B Gaussian Integrals(高斯积分)

得                NNPR-Appendix B Gaussian Integrals(高斯积分)            (1)

2.多变量积分

W维的高斯积分,A是W*W维的实对称阵,w是W维的向量:

                   NNPR-Appendix B Gaussian Integrals(高斯积分)            (2)

 

直接对上式积分是非常困难的,因为它涉及到对整个权重空间(有可能维数很高)进行积分。这时,就像我们解决负责问题时总是将其分解为小的易解决的小问题一样,利用Appdendix A 中矩阵分解的思想(注意,这里被劫函数其实是一个二次型)来做,具体步骤如下:

1)基于A的特征式NNPR-Appendix B Gaussian Integrals(高斯积分) ,将W分解为A的特征向量的线性组合NNPR-Appendix B Gaussian Integrals(高斯积分)

2)利用NNPR-Appendix B Gaussian Integrals(高斯积分) 的正交性,有NNPR-Appendix B Gaussian Integrals(高斯积分)

3)将上面两式带入式(1),从而将对NNPR-Appendix B Gaussian Integrals(高斯积分)积分转换为对NNPR-Appendix B Gaussian Integrals(高斯积分) 的积分NNPR-Appendix B Gaussian Integrals(高斯积分)

     注意这个转换可不简单,它同时实现了解偶,即将多重积分转换为多个单积分的乘积。这样每个单积分非常好算,而乘法就更简单了。Great Ideas!

     同时要注意,这里之所以能获得最终的转换,即依赖于A为正定对称阵,从而实现分解;也依赖于此处是高斯积分,指数函数可以将乘法转换为指数系数的加法。

4)从而有NNPR-Appendix B Gaussian Integrals(高斯积分) ,因NNPR-Appendix B Gaussian Integrals(高斯积分) ,最终可得

                       NNPR-Appendix B Gaussian Integrals(高斯积分)        (3)

3.加入线性项

考虑更一般的高斯积分,增加线性项

                             NNPR-Appendix B Gaussian Integrals(高斯积分)

它的积分处理思路与上面一样

1)对NNPR-Appendix B Gaussian Integrals(高斯积分)做变换,得它在特征向量上的映射NNPR-Appendix B Gaussian Integrals(高斯积分) ,得到如下分解 NNPR-Appendix B Gaussian Integrals(高斯积分)

2)由于NNPR-Appendix B Gaussian Integrals(高斯积分) ,同时变化积分变量为NNPR-Appendix B Gaussian Integrals(高斯积分) ,从而得

            NNPR-Appendix B Gaussian Integrals(高斯积分)

3)由于NNPR-Appendix B Gaussian Integrals(高斯积分) ,上式变化为

             NNPR-Appendix B Gaussian Integrals(高斯积分)                  (4)

 

相关文章:

  • 2021-05-22
  • 2022-12-23
  • 2021-12-15
  • 2021-10-21
  • 2021-04-17
  • 2021-11-19
  • 2021-11-23
  • 2021-08-09
猜你喜欢
  • 2021-10-20
  • 2021-12-31
  • 2021-10-14
  • 2022-12-23
  • 2022-12-23
  • 2022-12-23
  • 2021-11-04
相关资源
相似解决方案