Keras中两个正态分布的总和
Summation of two normal distribution in Keras
我有一个关于在 Keras 中求和两个正态分布的问题。所以，我有 2 个正态分布，分别称为 epsilon_1 ~ N(0,stdev1²) 和 epsilon_2 ~ N(0 ,1 - 标准偏差 1²)。如果我想对这两个正态分布求和，如果我只在 epsilon_1 + epsilon_2 中这样做是否正确我的代码？
我的代码
stddev1 = 0.25
epsilon_mean = 0
epsilon_std_1 = stddev1
epsilon_std_2 = 1 - stddev1
epsilon1 = K.random_normal(shape=(1, 100),mean=epsilon_mean, stddev=epsilon_std_1)
epsilon2 = K.random_normal(shape=(1, 100),mean=epsilon_mean, stddev=epsilon_std_2)
epsilon = epsilon1 + epsilon2
你的代码是正确的，你可以通过检查新随机变量的新均值和标准差来验证，它们应该分别等于原来的总和
我有一个关于在 Keras 中求和两个正态分布的问题。所以，我有 2 个正态分布，分别称为 epsilon_1 ~ N(0,stdev1²) 和 epsilon_2 ~ N(0 ,1 - 标准偏差 1²)。如果我想对这两个正态分布求和，如果我只在 epsilon_1 + epsilon_2 中这样做是否正确我的代码？
我的代码
stddev1 = 0.25
epsilon_mean = 0
epsilon_std_1 = stddev1
epsilon_std_2 = 1 - stddev1
epsilon1 = K.random_normal(shape=(1, 100),mean=epsilon_mean, stddev=epsilon_std_1)
epsilon2 = K.random_normal(shape=(1, 100),mean=epsilon_mean, stddev=epsilon_std_2)
epsilon = epsilon1 + epsilon2
你的代码是正确的，你可以通过检查新随机变量的新均值和标准差来验证，它们应该分别等于原来的总和