高中的时候我们便学过一维正态（高斯）分布的公式： \[N(x|u,\sigma^2)=\frac{1}{\sqrt{2\pi \sigma^2}}exp[-\frac{1}{2\sigma^2}(x-u)^2] \] 拓展到高维时，就变成： \[N(\overline x ...

让我们回到小球检测的栗子，在一元高斯分布下，我们只使用了色相值这一个性质。然而，颜色其实是用多个维度来定义的。比如，在HSV模型下，除了色相值还有饱和度（Saturation）和亮度（Value）。而我们通常使用的三原色光模式（RGB模型）将颜色表示成红色（R）、绿色（G）和蓝色（B）的叠加 ...

多元高斯分布的KL散度 觉得有用的话,欢迎一起讨论相互学习~ 首先声明，本人是概率论方面的小白，此篇文章纯属自学笔记，文中所有内容可能摘抄自不同的平台，集百家之长，不用作商业用途。非常感谢各位大佬的知识共享，都会标明出处，如果对各位造成了侵权，欢迎指出，将对文章内内容进行修改和删除 ...

https://blog.csdn.net/wangpeng138375/article/details/78060753 多变量高斯分布之间的KL散度（KL Divergence）多变量高斯分布的公式推导 https://zhuanlan.zhihu.com/p/22464760 ...

Gaussian Distribution(Normal Distribution)其图形特点为中间高，两头低，是钟形曲线(bell-shaped curve)。在高斯分布中，以数学期望μ表示钟型的中心位置（也即曲线的位置），而标准差（standard deviation）σ表征曲线的离散程度 ...

离散高斯分布 　　离散高斯分布是基于格的密码方案常用的一种概率分布。 高斯函数 离散高斯分布 亚高斯随机变量 ...

　　在深度学习中，我们通常对模型进行抽样并计算与真实样本之间的损失，来估计模型分布与真实分布之间的差异。并且损失可以定义得很简单，比如二范数即可。但是对于已知参数的两个确定分布之间的差异，我们就要通过推导的方式来计算了。 　　下面对已知均值与协方差矩阵的两个多维高斯分布之间的KL散度进行推导 ...

使用高斯分布进行采样，确定各区间的采样数量 求正态分布曲线下面积： https://blog.csdn.net/qwerty_bibabo/article/details/75332402 scipy.stats模块用法： https://blog.csdn.net ...