高中的時候我們便學過一維正態（高斯）分布的公式： \[N(x|u,\sigma^2)=\frac{1}{\sqrt{2\pi \sigma^2}}exp[-\frac{1}{2\sigma^2}(x-u)^2] \] 拓展到高維時，就變成： \[N(\overline x ...

讓我們回到小球檢測的栗子，在一元高斯分布下，我們只使用了色相值這一個性質。然而，顏色其實是用多個維度來定義的。比如，在HSV模型下，除了色相值還有飽和度（Saturation）和亮度（Value）。而我們通常使用的三原色光模式（RGB模型）將顏色表示成紅色（R）、綠色（G）和藍色（B）的疊加 ...

多元高斯分布的KL散度 覺得有用的話,歡迎一起討論相互學習~ 首先聲明，本人是概率論方面的小白，此篇文章純屬自學筆記，文中所有內容可能摘抄自不同的平台，集百家之長，不用作商業用途。非常感謝各位大佬的知識共享，都會標明出處，如果對各位造成了侵權，歡迎指出，將對文章內內容進行修改和刪除 ...

https://blog.csdn.net/wangpeng138375/article/details/78060753 多變量高斯分布之間的KL散度（KL Divergence）多變量高斯分布的公式推導 https://zhuanlan.zhihu.com/p/22464760 ...

Gaussian Distribution(Normal Distribution)其圖形特點為中間高，兩頭低，是鍾形曲線(bell-shaped curve)。在高斯分布中，以數學期望μ表示鍾型的中心位置（也即曲線的位置），而標准差（standard deviation）σ表征曲線的離散程度 ...

離散高斯分布 　　離散高斯分布是基於格的密碼方案常用的一種概率分布。 高斯函數 離散高斯分布 亞高斯隨機變量 ...

　　在深度學習中，我們通常對模型進行抽樣並計算與真實樣本之間的損失，來估計模型分布與真實分布之間的差異。並且損失可以定義得很簡單，比如二范數即可。但是對於已知參數的兩個確定分布之間的差異，我們就要通過推導的方式來計算了。 　　下面對已知均值與協方差矩陣的兩個多維高斯分布之間的KL散度進行推導 ...

使用高斯分布進行采樣，確定各區間的采樣數量 求正態分布曲線下面積： https://blog.csdn.net/qwerty_bibabo/article/details/75332402 scipy.stats模塊用法： https://blog.csdn.net ...