任何函数都能被分解为高斯之和吗?

时间:2017-01-19 11:02:37

标签: neural-network gaussian wavelet decomposition continuous-fourier

  • 在傅立叶级数中,任何函数都可以分解为正弦和 余弦
  • 在神经网络中,任何函数都可以作为逻辑函数的加权和进行分解。 (单层神经网络)
  • 在小波变换中,任何函数都可以分解为哈尔函数的加权和

是否还存在分解为高斯混合物的特性?如果是的话,有证据吗?

2 个答案:

答案 0 :(得分:1)

是。将任何函数分解为任何类型的高斯的总和是可能的,因为它可以被分解为Dirac functions :)的总和(并且狄拉克是高斯,其中方差接近零f)

一些更有趣的问题是1)任何函数都可以被分解为非零方差高斯的总和,具有给定的恒定方差,它们是围绕不同的中心定义的吗? 2)是否可以将任何函数分解为非零方差高斯的总和,所有这些都以0为中心,但是用交替方差定义?

Mathematics可能是回答这些问题的更好的地方......

答案 1 :(得分:0)

有一个定理Stone-Weierstrass theorem,为一个函数族何时可以近似任何连续函数提供条件。您需要

  • 函数的代数(在加法,减法和 乘法)

  • 常数函数

  • ,您需要使用函数来分隔点:

    • (对于任何两个不同的点,您都可以找到一个为其分配不同值的函数)

您可以用越来越高的高斯近似一个常数函数。您可以将高斯时移到单独的点。因此,如果您用高斯形成代数,则可以用它们近似任何连续函数。