注,本文理解可能有不准确甚至有误的地方,仅供参考

我们知道,f(x)f(x)f(x)其实就是一个函数,输入变量值xxx,在经过规则fff处理后,最终拿到一个结果。

另一种常见的情况是,比如概率分布P(x)P(x)P(x),其本质上也是一个以xxx为自变量的函数,在变量XXX的值为xxx的情况下,拿到一个结果,这个结果的意义为变量XXX取到xxx的概率。

而f(x;θ)f(x;\theta)f(x;θ),其实意思就是f(x)f(x)f(x),只不过强调了下函数的参数为θ\thetaθ。这个θ\thetaθ可以是某个确定的常量,也可以是多个确定常量的总体(比如深度神经网络中的全体可训练参数)。例如:θ2x+2θ+1\theta^2x + 2\theta + 1θ2x+2θ+1,θ=3\theta = 3θ=3,这个函数自变量是xxx,自然可以写成f(x)f(x)f(x);又因为xxx的系数(参数)是θ\thetaθ(某个已知或未知的确定值),因此可以表达为f(x;θ)f(x;\theta)f(x;θ)。

根据以上讨论的这些,现在讨论一个比较复杂的情况。比如,N(x;0,I)\mathcal{N}\left(x ; \mathbf{0}, \mathrm{I}\right)N(x;0,I)的意思是什么?
我们知道,N(0,I)\mathcal{N}\left(\mathbf{0}, \mathrm{I}\right)N(0,I)表示标准高斯分布,均值为0,方差为1,其本质上也是一个概率密度函数:f(x)=12πe−x22f(x)=\frac{1}{\sqrt{2 \pi}} e^{-\frac{x^2}{2}}f(x)=2π​1​e−2x2​。从这里可以发现,一般的函数我们都是强调自变量本身(比如xxx),而在概率论里面有时候强调的是函数参数本身(比如高斯分布的均值和方差),而淡化了输入变量(默认为xxx,省略)。因此N(x;0,I)\mathcal{N}\left(x ; \mathbf{0}, \mathrm{I}\right)N(x;0,I)相比与N(0,I)\mathcal{N}\left(\mathbf{0}, \mathrm{I}\right)N(0,I)的区别就在于显式强调了函数的输入为xxx。

最后再放个更复杂的东西:q(xt∣xt−1)=N(xt;1−βtxt−1,βtI)q\left(\mathbf{x}_t \mid \mathbf{x}_{t-1}\right)=\mathcal{N}\left(\mathbf{x}_t ; \sqrt{1-\beta_t} \mathbf{x}_{t-1}, \beta_t \mathrm{I}\right)q(xt​∣xt−1​)=N(xt​;1−βt​​xt−1​,βt​I)。
这个东西分多步看。首先,函数本身是个条件概率分布,q(xt∣xt−1)q\left(\mathbf{x}_t \mid \mathbf{x}_{t-1}\right)q(xt​∣xt−1​)表示xt−1\mathbf{x}_{t-1}xt−1​已知的情况下,xt\mathbf{x}_{t}xt​的分布(xt\mathbf{x}_{t}xt​取各种值的概率)。而后面的这个高斯分布则强调了其输入自变量为xt\mathbf{x}_{t}xt​(因为是xt\mathbf{x}_{t}xt​的概率密度函数,所以自变量当然是xt\mathbf{x}_{t}xt​),而高斯分布的均值和方差则分别为1−βtxt−1\sqrt{1-\beta_t} \mathbf{x}_{t-1}1−βt​​xt−1​和βtI\beta_t \mathrm{I}βt​I,与条件分布的条件xt−1\mathbf{x}_{t-1}xt−1​有关。

简单理解函数f(x;θ)中分号的含义相关推荐

  1. vue函数如何调用其他函数?_编程|如何简单理解函数的传参、返回、调用

    1 函数内部变量的局部性 在一个函数中定义的变量(包括实参),其作用域仅限于定义它的函数中,在其它的函数不能使用,这种变量称为"局部变量". 局部变量的作用域:函数内部声明和定义的 ...

  2. java阻塞队列作用_简单理解阻塞队列(BlockingQueue)中的take/put方法以及Condition存在的作用...

    简单理解阻塞队列(BlockingQueue)中的take/put方法以及Condition存在的作用 Condition:可以理解成一把锁的一个钥匙,它既可以解锁(通知放行),又可以加锁(阻塞) n ...

  3. 理解YOLOv2训练过程中输出参数含义

    转载自https://blog.csdn.net/dcrmg/article/details/78565440 原英文地址: https://timebutt.github.io/static/und ...

  4. APP自动化简单理解(在python中实现简单的app自动化框架)

    一.app自动化环境搭建 1.安装jdk及配置jdk的环境变量 app底层是c语言,应用层是java,所以需要jdk 2.安装SDK,配置android SDK环境 3.安装模拟器 4.下载安装App ...

  5. c语言简单分段函数用多路分支与if else 级联的写法

    一,简单分段函数 f(x)= -1 (  X<0 ) 0     (X=0) 2x     (X>0) 二.代码 1.多路分支代码 int main() {  int i;  double ...

  6. android 点击事件消费,Android View事件分发和消费源码简单理解

    Android View事件分发和消费源码简单理解 前言: 开发过程中觉得View事件这块是特别烧脑的,看了好久,才自认为看明白.中间上网查了下singwhatiwanna粉丝的读书笔记,有种茅塞顿开 ...

  7. toString()的简单理解

    ToString的简单理解 当我们输出一个对象的引用时,实际上就是调用当前对象的toString()方法. 文章目录 ToString的简单理解 一.Object类中toString()的定义 二.重 ...

  8. R语言笔记6:在R中写一些简单的函数、functions基础和作用域

    R语言基础系列: 1数据类型(向量.数组.矩阵. 列表和数据框) 2读写数据所需的主要函数.与外部环境交互 3数据筛选--提取对象的子集 4向量.矩阵的数学运算 5控制结构 Your first R ...

  9. 概率密度函数及其在信号方面的简单理解(中)频谱密度函数

    概率密度函数及其在信号方面的简单理解(中)频谱密度函数 (中)频谱密度函数 傅里叶级数 傅里叶变换 参考文献 后记 上学期修了外学院的自动控制原理课,学习非线性控制系统的处理时用到了傅里叶级数,老师就 ...

最新文章

  1. Linux镜像USB转网口驱动模块配置
  2. 从零开始学习Sencha Touch MVC应用之八
  3. ECS 支持 IPv6 啦,快来尝鲜吧~
  4. 科大星云诗社动态20210423
  5. python gis 经纬度 库_入门-Python-GIS坐标转换
  6. 石子合并问题--直线版(Hrbust-1818)
  7. 计算机文科类专业二本,适合文科生的二本大学 文科二本分数线是多少
  8. CICD详解(七)——git、gitlab与github
  9. 无法使用闩锁类型 sh 读取并闩锁页_InnoDB数据锁第2.5部分“锁”(深入研究)...
  10. python读取svg转emf_ppt矢量图标,SVG转换EMF方法
  11. 毕业设计实战:单片机智能温控风扇设计 带智能调速人体感应 论文仿真 源码 原理图
  12. java生产者消费者模型
  13. 老司机阿里巴巴为什么要带着这些YunOS硬件小伙伴一路向西?
  14. 如何设置计算机自动连接宽带,Win7系统如何设置开机自动连接宽带?
  15. 使用 Prometheus-Operator 监控 Calico
  16. 动态规划最佳缝合线查找(Image Stitching 3)
  17. WIN10,配置adb环境
  18. servercat IOS Linux监控 SSH客户端
  19. Python3 遇到\\u开头的编码
  20. 看泽塔云如何布局自己的超融合之路

热门文章

  1. Mac应用程序无法打开提示不明开发者或文件损坏的处理方法
  2. 如果感觉没有动力或是心情很失落,那就听听战歌吧!(可免费下载)
  3. 游戏服务器运维常见故障总结
  4. python corpora.Dictionary corpus dictionary.doc2bow 词袋模型转为稀疏矩阵 词向量 不要词袋模型
  5. 一个伪随机数生成算法
  6. 微信小程序免费资源大全
  7. 王道操作系统网课笔记合集
  8. mbk文件导入到oracle,Oracle基于物化视图的远程数据复制
  9. 仓库管理软件源码(含数据库脚本)
  10. Android调用系统设置界面