Обсуждение:Структурные методы анализа изображений и сигналов (курс лекций, А.С. Конушин, Д.П. Ветров, Д.А. Кропотов, О.В. Баринова, В.С. Конушин, 2009)

(Различия между версиями)

Версия 13:16, 2 ноября 2009

Добрый день! Возникли вопрос по поводу задания 3. Нашёл следующие непонятные для себя моменты:

«где $c_{0,j},\ldots,c_{M,j}$ — коэффициенты авторегрессии, которые зависят от состояния СММ.» Т.е коэффициентов М+1 штука. В то же время в описании функций сказано: «C — коэффициенты авторегрессии, матрица типа double размера K x M;» Не ясно, где ошибка - M или М+1.

$\mu_{n,j}=c_{0,j}+\sum_{m=1}^Mc_{m,j}x_{n-m}$ , где $c_{0,j}$ - число, $c_{m,j}x_{n-m}$ - вектор, получается сложение вектора с числом. Хотя если смотреть с точки зрения матлаба, вопрос отпадает :)

В описании функций указано «Mu — константы в центрах гауссиан для каждого состояния, матрица типа double размера K x d, в которой в каждой строке стоит вектор для соответствующего состояния; ». Но по формуле Mu на каждом шаге генерится только с помощью авторегрессии. Для чего тогда передавать этот параметр?

Василий Ломакин 20:14, 1 ноября 2009 (MSK)

Василий, здравствуйте. По сути в Вашем вопросе уже содержатся ответы:

Матрица $C\in\mathbb{R}^{K\times M$ ;
В качестве величины $c_{0,j}$ используйте $d$ -мерный вектор $Mu_j$ из спецификации СММ;
Коэффициенты авторегрессии $c_{m,j}$ считаем общими для всех размерностей вектора $x_n$ . Таким образом, получаем линейную комбинацию векторов и никаких некорректностей не возникает.

Желаю Удачи. --Vetrov 16:15, 2 ноября 2009 (MSK)

@@ Строка 11: / Строка 11: @@
 Василий, здравствуйте. По сути в Вашем вопросе уже содержатся ответы:
-* Матрица <tex>C\in\mathbb{R}^{K\times M</tex>4
+* Матрица <tex>C\in\mathbb{R}^{K\times M</tex>;
-* В качестве <tex>c_{0,j}</tex> используйте <tex>d</tex>-мерный вектор <tex>Mu_j</tex>
+* В качестве величины <tex>c_{0,j}</tex> используйте <tex>d</tex>-мерный вектор <tex>Mu_j</tex> из спецификации СММ;
-* Коэффициенты авторегрессии <tex>c_{m,j}</tex> '''считаем общими''' для всех размерностей вектора <tex>x_n</tex>. Таким образом, получаем линейную комбинацию векторов и никаких некорректностей не возникает. Желаю Удачи.
+* Коэффициенты авторегрессии <tex>c_{m,j}</tex> '''считаем общими''' для всех размерностей вектора <tex>x_n</tex>. Таким образом, получаем линейную комбинацию векторов и никаких некорректностей не возникает.
+Желаю Удачи.
 --[[Участник:Dmitry Vetrov|Vetrov]] 16:15, 2 ноября 2009 (MSK)