背景
我尝试使用空间显性数据估算一个地理区域内的潜在能源供应。为此，我构建了一个贝叶斯网络（HydeNet软件包）并将其附加到R中的栅格堆栈。贝叶斯网络模型从栅格堆栈读取每个单元位置的输入数据（例如资源供应，转换效率）并计算相应的能源供应（MCMC模拟）。结果，我获得了一个新的raste层，其中包含每个栅格单元的预期能量供应的特定概率分布。
但是，我对研究区内的总能量供应同样感兴趣。这意味着我需要聚合（总和）所有栅格单元的潜在供应，以便获得该区域内的整体供应潜力。
研究
我想要做的数学运算叫做卷积。 R提供了一个名为 convolve 的相应函数，它利用快速傅里叶变换。
我到目前为止找到的示例（例如示例1，2）仅限于一次添加两个发行版。但是，我想总结多个发行版（数千，数百万）。
问题
如何总结（卷积）多个概率分布？
我有多达18,000,000个概率分布。因此，计算效率肯定是一个大问题。 此外，我主要对R中的解决方案感兴趣，但其他解决方案（尤其是Python）也受到赞赏。
答案 0 :(得分：0)
我不知道如果一次卷积多个分布会导致速度增加。在幕后function FullName(props) {
return (
<span>
<FirstName id={props.id} />
<LastName id={props.id} />
</span>
);
}
之类的东西不会简化为a123 = convolve(a1, a2, a3)吗？无论如何，在R中您可以尝试使用a12 = convolve(a1, a2); a123 = convolve(a12, a30)包并且并行执行所有卷积。在四核上可以加速计算（理论上）4倍。如果你真的想要更快的速度，你可以尝试使用foreach包来看看你是否可以在GPU上并行进行这些计算，但是这在编程方面不容易进入。如果我是你，我会更多地关注这些解决方案而不是试图加速进行卷积的函数。
