構造行列とたたみ込みカーネル
DiskMatrix[r] | 0の(2r+1)×(2r+1)行列内部の1からなる半径 r の円板 |
DiskMatrix[{r1,…}] | 次元(2r1+1)× …の配列内部の1からなる半径 r1, …の楕円 |
DiskMatrix[{r1, …},{n1, …}] | 次元 n1× …の配列内部の半径 r1, …の楕円 |
DiamondMatrix[{r1,…},{n1,…}] | 次元 n1× …の配列内部の1からなる半径 r1, …のひし形 |
BoxMatrix[{r1,…},{n1,…}] | 次元 n1× …の配列内部の1からなる半径 r1, …のボックス |
CrossMatrix[{r1,…},{n1,…}] | 次元 n1× …の配列内部の1からなる半径 r1, …の十字 |
GaussianMatrix[r] | ガウスカーネルを抽出する(2r+1)×(2r+1)行列 |
GaussianMatrix[{r,σ}] | 標準偏差 σ のガウスカーネルを抽出する(2r+1)×(2r+1)行列 |
GaussianMatrix[{{r1,…},{σ1,…}}] | i 番目の方向で標準偏差が σi のガウスカーネルを抽出する(2r1+1)× …配列 |
GaussianMatrix[{{r1,…},{σ1,…}},{n1,…}] | i 番目の方向で標準偏差 σi のガウスカーネルの i 番目の方向の ni 番目の離散導関数を抽出する(2r1+1)× …配列 |
GaussianMatrixはどのようなランクの配列でも構築できる:
デフォルトでは,行列要素は数値であり,離散たたみ込みのもとで最適に動作するよう構築されている.WorkingPrecision->Infinityを使うと,厳密な表現が生成できる:
Method->"Gaussian"を使って,真のガウスカーネルを抽出する:
第2引数にネストされたListオブジェクトを使うことによる総和導関数.例えば,これはラプラシアンをプロットする: