File:GaussianProcessDecomposition 3RandomSignals.svg
Aus Wikimedia Commons, dem freien Medienarchiv
Zur Navigation springen
Zur Suche springen
Größe der PNG-Vorschau dieser SVG-Datei: 378 × 270 Pixel. Weitere Auflösungen: 320 × 229 Pixel | 640 × 457 Pixel | 1.024 × 731 Pixel | 1.280 × 914 Pixel | 2.560 × 1.829 Pixel.
Originaldatei (SVG-Datei, Basisgröße: 378 × 270 Pixel, Dateigröße: 30 KB)
Dateiinformationen
Strukturierte Daten
Bildtexte
Beschreibung
[Bearbeiten]BeschreibungGaussianProcessDecomposition 3RandomSignals.svg |
English: Three randomly generated signals that follow certain Gaussian processes.
Deutsch: Drei zufällig erzeugte Signale, die bestimmten Gaußprozessen folgen. |
Datum | |
Quelle | Eigenes Werk |
Urheber | Christian Schirm |
SVG‑Erstellung InfoField | Dieser Plot wurde mit Matplotlib erstellt. |
Quelltext InfoField | Python code#This source code is public domain
#Author: Christian Schirm
import numpy, scipy.spatial
import matplotlib.pyplot as plt
import imageio
numpy.random.seed(50)
# Covariance matrix
def covMat(x1, x2, covFunc, noise=0):
cov = covFunc(scipy.spatial.distance_matrix(numpy.atleast_2d(x1).T, numpy.atleast_2d(x2).T))
if noise: cov += numpy.diag(numpy.ones(len(cov))*noise)
return cov
# Decomposition of e.g. sum of signals into components
def decompose(xIn, yIn, xOut, covFuncIn, covFuncListOut):
Ckk = covMat(xIn, xIn, covFuncIn, noise=0)
n = len(covFuncListOut)
N = len(xOut)
Cuu = numpy.zeros((n*len(xOut), n*len(xOut)))
Cuk = numpy.zeros((n*len(xOut), len(xOut)))
for i,covOut in enumerate(covFuncListOut):
Cuu[i*N:(i+1)*N, i*N:(i+1)*N] = covMat(xOut, xOut, covOut, noise=0)
Cuk[i*N:(i+1)*N,:] = covMat(xOut, xIn, covOut, noise=0)
CkkInv = numpy.linalg.inv(Ckk)
y = Cuk.dot(CkkInv.dot(yIn))
sigmaSplit = (Cuu - Cuk.dot(CkkInv.dot(Cuk.T)))
return y, sigmaSplit
# Covariance function 1: smooth random signal underground
covFunc1 = lambda d: 2.7**2*numpy.exp(-((d/1.)**2))
# Covariance function 2: periodic signal
covFunc2 = lambda d: 2.7**2*numpy.exp(-0.4*numpy.abs((numpy.sin(numpy.pi*d/2.5))))
# Covariance function 3: white gaussian noise
covFunc3 = lambda d: d*0 + 0.8**2*(numpy.abs(d)<0.00001)
# Covariance function of sum
covFuncSum = lambda d: covFunc1(d) + covFunc2(d) + covFunc3(d)
x = numpy.linspace(0, 10, 300)
# Generate random signales
Y = []
for covFunc in covFunc1, covFunc2, covFunc3:
y = numpy.random.multivariate_normal(x.ravel()*0, covMat(x, x, covFunc))
Y += [y]
# perform decomposition
YSplit = []
YSigma = []
ySplit, sigmaSplit = decompose(x, Y[0]+Y[1]+Y[2], x, covFuncSum, [covFunc1, covFunc2, covFunc3])
YSplit = ySplit.reshape(3,len(x))
# set prior mean of signals 1 and 2
meanShift = 3
YSplit[0] += meanShift
Y[0] += meanShift
YSplit[1] -= meanShift
Y[1] -= meanShift
# Random gaussian process signals
fig = plt.figure(figsize=(4.2,3.0))
for i,c in (2,1), (0,0), (1,2):
plt.plot(x, Y[i], color='C'+str(c), label=u'Prediction',alpha=1)
plt.axis([0,10,-10,10])
plt.xlabel('t')
plt.tight_layout()
plt.savefig('GaussianProcessDecomposition_3RandomSignals.svg')
plt.show()
# Sum of all 3 signals
fig = plt.figure(figsize=(4.2,3.0))
plt.plot(x, (Y[0]+Y[1]+Y[2]), 'r-', label=u'Prediction')
plt.axis([0,10,-10,10])
plt.xlabel('t')
plt.tight_layout()
plt.savefig('GaussianProcessDecomposition_SumOf3Signals.svg')
plt.show()
# plot figures
# Decomposion of sum into single signals
fig = plt.figure(figsize=(4.2,3.0))
for i,c in (2,1), (0,0), (1,2):
plt.plot(x, Y[i], '--', color='C'+str(c), label=u'Prediction',alpha=0.4)
plt.plot(x, YSplit[i], color='C'+str(c), label=u'Prediction',alpha=1)
plt.axis([0,10,-10,10])
plt.xlabel('t')
plt.tight_layout()
plt.savefig('GaussianProcessDecomposition_DecomposedSignals.svg')
plt.show()
# Uncertainty animation
t = numpy.arange(0, 1, 0.02)
covFunc = lambda d: numpy.exp(-(3*numpy.sin(d*numpy.pi))**2) # Covariance function
chol = numpy.linalg.cholesky(covMat(t, t, covFunc, noise=1E-5))
r = chol.dot(numpy.random.randn(len(t), len(sigmaSplit)))
cov = sigmaSplit+1E-5*numpy.identity(len(sigmaSplit))
rSmooth = numpy.linalg.cholesky(cov).dot(r.T).reshape(3,len(x),len(t))
images = []
fig = plt.figure(figsize=(4.2,3.0))
for ti in [0]+list(range(len(t))):
for i,c in (2,1), (0,0), (1,2):
plt.plot(x, YSplit[i] + rSmooth[i,:,ti], color='C'+str(c), label=u'Prediction',alpha=1)
plt.axis([0,10,-10,10])
plt.xlabel('t')
plt.tight_layout()
fig.canvas.draw()
s, (width, height) = fig.canvas.print_to_buffer()
images.append(numpy.array(list(s), numpy.uint8).reshape((height, width, 4)))
fig.clf()
# Save GIF animation
imageio.mimsave('GaussianProcessDecomposition_Uncertainty.gif', images[1:])
|
Lizenz
[Bearbeiten]Ich, der Urheber dieses Werkes, veröffentliche es unter der folgenden Lizenz:
Diese Datei wird unter der Creative-Commons-Lizenz „CC0 1.0 Verzicht auf das Copyright“ zur Verfügung gestellt. | |
Die Person, die das Werk mit diesem Dokument verbunden hat, übergibt dieses weltweit der Gemeinfreiheit, indem sie alle Urheberrechte und damit verbundenen weiteren Rechte – im Rahmen der jeweils geltenden gesetzlichen Bestimmungen – aufgibt. Das Werk kann – selbst für kommerzielle Zwecke – kopiert, modifiziert und weiterverteilt werden, ohne hierfür um Erlaubnis bitten zu müssen.
http://creativecommons.org/publicdomain/zero/1.0/deed.enCC0Creative Commons Zero, Public Domain Dedicationfalsefalse |
Dateiversionen
Klicke auf einen Zeitpunkt, um diese Version zu laden.
Version vom | Vorschaubild | Maße | Benutzer | Kommentar | |
---|---|---|---|---|---|
aktuell | 18:18, 1. Aug. 2019 | 378 × 270 (30 KB) | Physikinger (Diskussion | Beiträge) | With random seed | |
21:03, 29. Jul. 2019 | 378 × 270 (30 KB) | Physikinger (Diskussion | Beiträge) | new | ||
10:06, 4. Sep. 2018 | 378 × 270 (32 KB) | Physikinger (Diskussion | Beiträge) | bigger label | ||
09:44, 4. Sep. 2018 | 405 × 315 (32 KB) | Physikinger (Diskussion | Beiträge) | axis label | ||
14:08, 3. Sep. 2018 | 405 × 315 (31 KB) | Physikinger (Diskussion | Beiträge) | Improved colors | ||
09:11, 3. Sep. 2018 | 405 × 315 (31 KB) | Physikinger (Diskussion | Beiträge) | User created page with UploadWizard |
Du kannst diese Datei nicht überschreiben.
Dateiverwendung
Keine Seiten verwenden diese Datei.
Globale Dateiverwendung
Die nachfolgenden anderen Wikis verwenden diese Datei:
- Verwendung auf de.wikipedia.org
- Verwendung auf en.wikibooks.org
Metadaten
Diese Datei enthält weitere Informationen, die in der Regel von der Digitalkamera oder dem verwendeten Scanner stammen. Durch nachträgliche Bearbeitung der Originaldatei können einige Details verändert worden sein.
Breite | 302.4pt |
---|---|
Höhe | 216pt |