गॉसियन फलन
गणित में, गॉसियन फलन, जिसे अधिकांशतः गॉसियन के रूप में संदर्भित किया जाता है, वह आधार रूप का फलन (गणित) होता है।
गॉसियन फलन का उपयोग अधिकांशतः अपेक्षित मान μ = b और विचरण σ2 = c2 के साथ सामान्य वितरण यादृच्छिक चर के प्रायिकता घनत्व फलन का प्रतिनिधित्व करने के लिए किया जाता है। इस स्थिति में गॉसियन फॉर्म का है।[1]
गॉसियन फलन का व्यापक रूप से उपयोग सामान्य वितरण का वर्णन करने के लिए किया जाता है, गॉसियन फिल्टर को परिभाषित करने के लिए संकेत आगे बढ़ाने में, मूर्ति प्रोद्योगिकी में जहां गौस्सियन धुंधलापन के लिए द्वि-आयामी गॉसियन का उपयोग किया जाता है और गणित में गर्मी समीकरणों और प्रसार समीकरण को हल करने और वीयरस्ट्रैस को परिभाषित करने के लिए उपयोग किया जाता है।
गुण
गॉसियन फलन अवतल फलन द्विघात फलन के साथ चरघातांकी फलन की रचना करके उत्पन्न होता है।
जंहा
(नोट: में ,
के साथ भ्रमित नहीं होना है )
गॉसियन फलन इस प्रकार के फलन हैं। जिनका लघुगणक अवतल द्विघात फलन है।
पैरामीटर c चोटी के आधे अधिकतम (एफडब्ल्यूएचएम) के अनुसार पूर्ण चौड़ाई से संबंधित है।
गॉसियन के लिए अधिकतम दसवें (FWTM) पर पूर्ण चौड़ाई रुचि की हो सकती है।
गॉसियन कार्य उन कार्यों में से हैं जो प्राथमिक कार्य (अंतर बीजगणित) हैं, किन्तु प्राथमिक प्रतिपक्षी की कमी है। गॉसियन फलन का अभिन्न अंग त्रुटि फलन है। किसी न किसी प्रकार से गॉसियन अभिन्न का उपयोग करके पूर्ण वास्तविक रेखा पर उनके अनुचित अभिन्न अंग का मूल्यांकन किया जा सकता है।
यह अभिन्न 1 है। यदि (सामान्यीकरण स्थिरांक) और इस स्थिति में गॉसियन अपेक्षित मान के साथ सामान्य रूप से वितरण यादृच्छिक चर का प्रायिकता घनत्व μ = b और विचरण कार्य σ2 = c2 है।
शून्य पर केंद्रित गॉसियन फलन फूरियर अनिश्चितता सिद्धांत को कम करता है।
दो गॉसियन कार्यों का उत्पाद गॉसियन है और दो गॉसियन कार्यों का कनवल्शन भी गॉसियन है। जिसमें विचरण मूल प्रसरण का योग है।. चूंकि, दो गॉसियन संभाव्यता घनत्व कार्यों (पीडीएफ) का उत्पाद सामान्य रूप से गॉसियन पीडीएफ नहीं है।
पैरामीटर a = 1, b = 0 और c के साथ गॉसियन फलन का फूरियर ट्रांसफॉर्म (एकात्मक, कोणीय-आवृत्ति सम्मेलन) लेने से पैरामीटर के साथ और गॉसियन फलन , b = 0 और प्राप्त होता है।.[2] तब विशेष रूप से गॉसियन b = 0 कार्य करता है। फूरियर रूपांतरण द्वारा स्थिर रखा जाता है (वे eigenvalue 1 के साथ फूरियर रूपांतरण के eigenfunctions हैं)।
भौतिक बोध फ्राउन्होफर विवर्तन पैटर्न का है। उदाहरण के लिए, फोटोग्राफिक स्लाइड जिसका संप्रेषण गॉसियन भिन्नता है। वह भी गॉसियन फलन है।
चूँकि तथ्य यह है कि गॉसियन फलन निरंतर फूरियर रूपांतरण का ईजेनफंक्शन है। जो हमें पोइसन सारांश सूत्र से निम्नलिखित रोचक [स्पष्टीकरण की आवश्यकता] पहचान प्राप्त करने की अनुमति देता है।
गॉसियन फलन का अभिन्न अंग
स्वेच्छ गॉसियन फलन का समाकल है।
मानक गॉसियन अभिन्न अंग से संबंध
अभिन्न
द्वि-आयामी गॉसियन फलन
आधार फार्म
द्वि-आयामी गॉसियन फलन का विशेष उदाहरण है।
यहाँ गुणांक A आयाम है, x0 और y0 केंद्र है, और σx और σy बूँद के x और y फैलाव हैं। दाईं ओर का चित्र A = 1, x0 = 0, y0 = 0, σx = σy = 1 का उपयोग करके बनाई गई थी।
गॉसियन फलन के अंतर्गत आयतन किसके द्वारा दिया जाता है।
इस सूत्रीकरण का उपयोग करके, A = 1, (x0, y0) = (0, 0), a = c = 1/2, b = 0 दाईं ओर की आकृति बनाई जा सकती है।
सामान्य समीकरण के लिए मापदंडों का अर्थ
समीकरण के सामान्य रूप के लिए गुणांक ए चोटी की ऊंचाई है और (x0, y0) बूँद का केंद्र है।
यदि हम सेट करते हैं।
गॉसियन ब्लॉब्स के उदाहरण घुमावों को निम्नलिखित उदाहरणों में देखा जा सकता है।
निम्नलिखित जीएनयू ऑक्टेव कोड का उपयोग करके, मापदंडों को परिवर्तित करने के प्रभाव को सरलता से देखा जा सकता है।
A = 1;
x0 = 0; y0 = 0;
sigma_X = 1;
sigma_Y = 2;
[X, Y] = meshgrid(-5:.1:5, -5:.1:5);
for theta = 0:pi/100:pi
a = cos(theta)^2 / (2 * sigma_X^2) + sin(theta)^2 / (2 * sigma_Y^2);
b = sin(2 * theta) / (4 * sigma_X^2) - sin(2 * theta) / (4 * sigma_Y^2);
c = sin(theta)^2 / (2 * sigma_X^2) + cos(theta)^2 / (2 * sigma_Y^2);
Z = A * exp(-(a * (X - x0).^2 + 2 * b * (X - x0) .* (Y - y0) + c * (Y - y0).^2));
surf(X, Y, Z);
shading interp;
view(-36, 36)
waitforbuttonpress
end
इस प्रकार के कार्यों का उपयोग अधिकांशतः मूर्ति प्रोद्योगिकी और दृश्य प्रणाली फलन के कम्प्यूटेशनल मॉडल में किया जाता है। - स्केल स्पेस और एफ़िन आकार अनुकूलन पर लेख देख सकते है।
बहुभिन्नरूपी सामान्य वितरण भी देख सकते है।
उच्च-क्रम गॉसियन या सुपर-गॉसियन फलन
फ्लैट-टॉप और गॉसियन फॉल-ऑफ के साथ गॉसियन फलन का अधिक सामान्य सूत्रीकरण प्रतिपादक की सामग्री को शक्ति तक बढ़ाकर लिया जा सकता है।
बहु-आयामी गॉसियन फलन
इसमें आयामी स्थान गॉसियन फलन के रूप में परिभाषित किया जा सकता है।
इस गॉसियन फलन का अभिन्न अंग संपूर्ण है। जी -आयामी स्थान के रूप में दिया गया है।
अधिक सामान्यतः स्थानांतरित गॉसियन फलन को इस रूप में परिभाषित किया जाता है।
जंहा,
मापदंडों का अनुमान
फोटोमेट्री (खगोल विज्ञान), गॉसियन बीम लक्षण वर्णन, और उत्सर्जन/अवशोषण लाइन स्पेक्ट्रोस्कोपी जैसे अनेक क्षेत्र प्रतिरूप गॉसियन कार्यों के साथ कार्य करते हैं, और फलन की ऊंचाई, स्थिति और चौड़ाई पैरामीटर का त्रुटिहीन अनुमान लगाने की आवश्यकता होती है। अतः 1D गॉसियन फलन के लिए तीन अज्ञात पैरामीटर हैं (a, b, c) और 2D गॉसियन फलन के लिए पांच अज्ञात पैरामीटर हैं।
गॉसियन मापदंडों का आकलन करने के लिए सबसे सरल विधि डेटा के लघुगणक और परिणामी डेटा समूह के बहुपद फिटिंग को लेना है।Cite error: Invalid <ref>
tag; invalid names, e.g. too many[6] चूंकि यह सरल वक्र फिटिंग प्रक्रिया प्रदान करता है, परिणामी एल्गोरिथ्म (कलन विधि) छोटे डेटा मानों को अत्यधिक भारित करके पक्षपाती हो सकता है। जो प्रोफ़ाइल अनुमान में बड़ी त्रुटियां उत्पन्न कर सकता है। भारित न्यूनतम वर्ग के अनुमान के माध्यम से इस समस्या की आंशिक रूप से मुक्ति की जा सकती है। अतः छोटे डेटा मानों के वजन को कम किया जा सकता है, किन्तु यह भी गॉसियन की पूंछ को फिट पर हावी होने की अनुमति देकर पक्षपाती हो सकता है। पूर्वाग्रह को दूर करने के लिए, इसके अतिरिक्त पुनरावृत्त रूप से पुन: भारित न्यूनतम वर्ग प्रक्रिया का उपयोग कर सकते हैं। जिसमें प्रत्येक पुनरावृत्ति पर भार अद्यतन किए जाते हैं।[6] लॉगरिदमिक डेटा परिवर्तन को सम्मिलित किए बिना सीधे डेटा पर गैर-रैखिक प्रतिगमन करना भी संभव है। अतः अधिक विकल्पों के लिए, प्रायिकता वितरण फिटिंग देख सकते है।
पैरामीटर परिशुद्धता
गॉसियन फलन मापदंडों का अनुमान लगाने के लिए बार एल्गोरिथ्म (कलन विधि) होने के पश्चात्, यह जानना भी महत्वपूर्ण है कि ये अनुमान कितने त्रुटिहीन हैं। कोई भी कम से कम वर्ग अनुमान एल्गोरिदम प्रत्येक पैरामीटर के भिन्नता के लिए संख्यात्मक अनुमान प्रदान कर सकता है (अर्थात, अनुमानित ऊंचाई, स्थिति और फलन की चौड़ाई का भिन्नता)। डेटा के बारे में कुछ मान्यताओं को देखते हुए, पैरामीटर भिन्नताओं पर निचली सीमा के लिए विश्लेषणात्मक अभिव्यक्ति प्राप्त करने के लिए क्रैमर-राव बाध्य सिद्धांत का भी उपयोग कर सकते हैं।[7][8]
- मापी गई प्रोफ़ाइल में शोर आई.आई.डी. गॉसियन या शोर पॉसों वितरण है। जो स्वतंत्र और समान रूप से वितरित यादृच्छिक चर है।
- प्रत्येक नमूने के मध्य की दूरी (अर्थात डेटा को मापने वाले पिक्सेल के मध्य की दूरी) समान है।
- चोटी "अच्छी प्रकार से प्रतिरूप" है। जिससे कि चोटी के नीचे के क्षेत्र या आयतन का 10% से कम (क्षेत्र यदि 1डी गॉसियन है, मात्रा यदि 2डी गॉसियन है) माप क्षेत्र के बाहर स्थित है।
- चोटी की चौड़ाई प्रतिरूप स्थानों के मध्य की दूरी से बहुत बड़ी है। (अर्थात डिटेक्टर पिक्सल गॉसियन एफडब्ल्यूएचएम से कम से कम 5 गुना छोटा होना चाहिए)।
जब ये धारणाएँ संतुष्ट होती हैं। तब निम्न सहप्रसरण मैट्रिक्स K 1D प्रोफ़ाइल पैरामीटर के लिए प्रयुक्त होता है। जो , , और आई.आई.डी. गॉसियन शोर और पोइसन शोर के अनुसार कार्य करता है।[7]
असतत गॉसियन
कोई गॉसियन के असतत अनुरूप के लिए पूछ सकता है।
यह असतत अनुप्रयोगों, विशेष रूप से अंकीय संकेत प्रक्रिया में आवश्यक है। यह सरल उत्तर निरंतर गॉसियन का प्रतिरूप लेना है। जो प्रतिरूप गॉसियन कर्नेल का उत्पादन करता है। चूंकि, इस असतत फलन में निरंतर फलन के गुणों के असतत एनालॉग नहीं होते हैं, और अवांछित प्रभाव उत्पन्न कर सकते हैं, जैसा लेख स्केल स्पेस कार्यान्वयन में वर्णित है।
असतत गॉसियन कर्नेल का उपयोग करने की वैकल्पिक विधि है।[9]
यह निरंतर गॉसियन का असतत एनालॉग है। जिसमें यह असतत प्रसार समीकरण (असतत स्थान, निरंतर समय) का समाधान है। जैसे निरंतर गॉसियन निरंतर प्रसार समीकरण का समाधान है।[9][10]
अनुप्रयोग
गॉसियन फलन प्राकृतिक विज्ञान, सामाजिक विज्ञान, गणित और अभियांत्रिकी के कई संदर्भों में दिखाई देते हैं। जो कुछ उदाहरणों में सम्मिलित हैं।
- सांख्यिकी और संभाव्यता सिद्धांत में, गॉसियन फलन सामान्य वितरण के घनत्व फलन के रूप में दिखाई देते हैं। जो कि केंद्रीय सीमा प्रमेय के अनुसार जटिल योगों का सीमित संभाव्यता वितरण है।
- गॉसियन फलन (समरूप और समदैशिक) विसरण समीकरण (और ऊष्मा समीकरण, जो ही चीज है) के लिए ग्रीन का फलन है। आंशिक अवकल समीकरण जो विसरण के अनुसार द्रव्यमान-घनत्व के समय विकास का वर्णन करता है। विशेष रूप से, यदि समय t = 0 पर द्रव्यमान-घनत्व डिराक डेल्टा द्वारा दिया जाता है। जिसका अनिवार्य रूप से अर्थ है कि द्रव्यमान प्रारंभ से बिंदु में केंद्रित होता है। तब समय t पर द्रव्यमान-वितरण गॉसियन फलन द्वारा दिया जाता है। जिसमें पैरामीटर 'ए' रैखिक रूप से 1/√t से संबंधित है और c रैखिक रूप से √t से संबंधित हैं। इस समय-परिवर्तनशील गॉसियन को ऊष्मा कर्नेल द्वारा वर्णित किया गया है। अधिक सामान्यतः, यदि प्रारंभिक द्रव्यमान-घनत्व φ(x) है, तब बाद के समय में द्रव्यमान-घनत्व φ के गॉसियन फलन के साथ कनवल्शन लेकर प्राप्त किया जाता है। गॉसियन के साथ फलन का कनवल्शन वीयरस्ट्रैस ट्रांसफ़ॉर्म के रूप में भी जाना जाता है।
- गॉसियन फलन क्वांटम हार्मोनिक ऑसिलेटर की जमीनी स्थिति का तरंग फलन है।
- कम्प्यूटेशनल रसायन विज्ञान में उपयोग किए जाने वाले आणविक ऑर्बिटल्स गॉसियन फलन के रैखिक संयोजन हो सकते हैं। जिन्हें गॉसियन कक्षीय कहा जाता है। (आधार सेट (रसायन विज्ञान) भी देखें)।
- गणितीय रूप से, गॉसियन फलन के यौगिक को हर्मिट फलन का उपयोग करके प्रदर्शित किया जा सकता है। इकाई प्रसरण के लिए, गॉसियन का n-वां डेरिवेटिव गॉसियन फलन है जिसे n-वें हर्मिट बहुपद से गुणा किया जाता है, प्रतिरूप तक।
- परिणाम स्वरुप , गॉसियन फलन भी क्वांटम क्षेत्र सिद्धांत में निर्वात अवस्था से जुड़े होते हैं।
- गॉसियन बीम का उपयोग ऑप्टिकल सिस्टम, माइक्रोवेव सिस्टम और लेजर में किया जाता है।
- स्केल स्पेस प्रतिनिधित्व में, गॉसियन फलन का उपयोग कंप्यूटर दृष्टि और मूर्ति प्रोद्योगिकी में मल्टी-स्केल रिप्रेजेंटेशन बनाने के लिए स्मूथिंग कर्नेल के रूप में किया जाता है। विशेष रूप से, गॉसियन (हर्मिट कार्य करता है) के डेरिवेटिव का उपयोग बड़ी संख्या में दृश्य संचालन को परिभाषित करने के आधार के रूप में किया जाता है।
- कुछ प्रकार के कृत्रिम तंत्रिका नेटवर्क को परिभाषित करने के लिए गॉसियन फलन का उपयोग किया जाता है।
- प्रतिदीप्ति माइक्रोस्कोपी में 2डी गॉसियन फलन का उपयोग हवादार डिस्क को अनुमानित करने के लिए किया जाता है। जो बिंदु स्रोत द्वारा उत्पादित तीव्रता वितरण का वर्णन करता है।
- संकेत प्रक्रमन में वे गॉसियन फिल्टर को परिभाषित करने का कार्य करते हैं, जैसे कि मूर्ति प्रोद्योगिकी में जहां गॉसियन ब्लर्स के लिए 2डी गॉसियन का उपयोग किया जाता है। डिजिटल सिग्नल प्रोसेसिंग में, असतत गॉसियन कर्नेल का उपयोग करता है। जिसे गॉसियन का प्रतिरूप लेकर या भिन्न प्रकार से परिभाषित किया जा सकता है।
- भू-सांख्यिकी में उनका उपयोग जटिल प्रशिक्षण प्रतिरूप के पैटर्न के मध्य परिवर्तनशीलता को समझने के लिए किया गया है। फीचर स्पेस में पैटर्न को क्लस्टर करने के लिए उनका उपयोग कर्नेल विधियों के साथ किया जाता है।[11]
यह भी देखें
- सामान्य वितरण
- लोरेंट्ज़ियन फलन
- रेडियल आधार फलन कर्नेल
संदर्भ
- ↑ Squires, G. L. (2001-08-30). व्यावहारिक भौतिकी (4 ed.). Cambridge University Press. doi:10.1017/cbo9781139164498. ISBN 978-0-521-77940-1.
- ↑ Weisstein, Eric W. "Fourier Transform – Gaussian". MathWorld. Retrieved 19 December 2013.
- ↑ Nawri, Nikolai. "सहप्रसरण दीर्घवृत्त की गणना" (PDF). Archived from the original (PDF) on 2019-08-14. Retrieved 14 August 2019.
- ↑ Parent, A., M. Morin, and P. Lavigne. "Propagation of super-Gaussian field distributions". Optical and Quantum Electronics 24.9 (1992): S1071–S1079.
- ↑ "खुशी ऑप्टिकल सॉफ्टवेयर कमांड मैनुअल, गॉसियन कमांड पर एंट्री" (PDF). Applied Optics Research. 2016-12-15.
- ↑ Jump up to: 6.0 6.1 Hongwei Guo, "A simple algorithm for fitting a Gaussian function," IEEE Sign. Proc. Mag. 28(9): 134-137 (2011).
- ↑ Jump up to: 7.0 7.1 N. Hagen, M. Kupinski, and E. L. Dereniak, "Gaussian profile estimation in one dimension," Appl. Opt. 46:5374–5383 (2007)
- ↑ Jump up to: 8.0 8.1 N. Hagen and E. L. Dereniak, "Gaussian profile estimation in two dimensions," Appl. Opt. 47:6842–6851 (2008)
- ↑ Jump up to: 9.0 9.1 Lindeberg, T., "Scale-space for discrete signals," PAMI(12), No. 3, March 1990, pp. 234–254.
- ↑ Campbell, J, 2007, The SMM model as a boundary value problem using the discrete diffusion equation, Theor Popul Biol. 2007 Dec;72(4):539–46.
- ↑ Honarkhah, M and Caers, J, 2010, Stochastic Simulation of Patterns Using Distance-Based Pattern Modeling, Mathematical Geosciences, 42: 487–517
बाहरी संबंध
- Mathworld, includes a proof for the relations between c and FWHM
- "Integrating The Bell Curve". MathPages.com.
- Haskell, Erlang and Perl implementation of Gaussian distribution
- Bensimhoun Michael, N-Dimensional Cumulative Function, And Other Useful Facts About Gaussians and Normal Densities (2009)
- Code for fitting Gaussians in ImageJ and Fiji.