1) subgaussian variable
次高斯变量
1.
Study some properties of a bounded random variable by some inequalities,obtain a significant conclusion:a bounded random variable whose math expectation is zero is a subgaussian variable,also get an accurate estimate of a paremeter tau.
最后应用这些结果构造一个非对称的次高斯变量,并研究了某些随机三角级数的性质,得到了很好的结果。
2) complex subgaussian variable
复次高斯变量
3) real subgaussian variable
实次高斯变量
1.
In this paper based on the definitions of real subgaussian variable and complex subgaussian variable,four criterions of subgaussian variable are obtained,then the integrability of eλ|F|2 for random function F is disussed,which is defined by subgaussian series.
以实次高斯变量和复次高斯变量的定义为基础,得到了次高斯变量的4个判别准则,然后讨论了次高斯序列决定的随机函数F的eλ|F|2的可积性。
5) non-Gaussian bivariate model
非高斯双变量模型
1.
Image denoising using non-Gaussian bivariate model based on non-aliasing Curvelet transform
抗混叠Curvelet变换非高斯双变量模型图像降噪
6) Gaussian process latent variable model
高斯过程隐变量模型
1.
Gaussian process latent variable model (GPLVM) is a popular manifold method recently proposed for dimensional reduction.
高斯过程隐变量模型是最近提出的比较流行的无监督降维方法。
补充资料:变量与变量值
可变的数量标志和所有的统计指标称作变量。变量的数值表现称作
变量值,即标志值或指标值。变量与变量值不能误用。
变量值,即标志值或指标值。变量与变量值不能误用。
说明:补充资料仅用于学习参考,请勿用于其它任何用途。
参考词条