|
|
| Line 48: |
Line 48: |
| | \end{align}</math> | | \end{align}</math> |
| | | | |
| - | | + | 因为无论我们如何选择<math>\mathbf{\phi}</math>，经验分布函数<math>P^*(\mathbf{x})</math>都是常量，也就是说我们只需要最大化对数似然函数 <math>P(\mathbf{x}\mid\mathbf{\phi})</math>。 |
| - | 【原文】
| + | 假设<math>\nu</math>是具有方差<math>\sigma^2</math>的高斯白噪音，则有下式： |
| - | | + | |
| - | Since the empirical distribution <math>P^*(\mathbf{x})</math> is constant across our choice of <math>\mathbf{\phi}</math>, this is equivalent to maximizing the log-likelihood of <math>P(\mathbf{x}\mid\mathbf{\phi})</math>.
| + | |
| - | Assuming <math>\nu</math> is Gaussian white noise with variance <math>\sigma^2</math>, we have that
| + | |
| - | | + | |
| - | | + | |
| - | 【初译】
| + | |
| - | | + | |
| - | 因为通过我们对 <math>\mathbf{\phi}</math>的选择，经验分布 <math>P^*(\mathbf{x})</math> 是不变量，这相当于最大化对数似然 <math>P(\mathbf{x}\mid\mathbf{\phi})</math>。
| + | |
| - | 假设 <math>\nu</math> 是方差为 <math>\sigma^2</math>高斯白噪声，有下式成立。
| + | |
| - | | + | |
| - | | + | |
| - | 【一审】
| + | |
| - | | + | |
| - | 因为经验分布函数 <math>P^*(\mathbf{x})</math> 对于所有的 <math>\mathbf{\phi}</math>其结果是常量，这就等于说要最大化对数似然函数 <math>P(\mathbf{x}\mid\mathbf{\phi})</math>。
| + | |
| - | 假设 <math>\nu</math> 是具有方差 <math>\sigma^2</math>的高斯白噪音，则有下式： | + | |
| | | | |
| | :<math>\begin{align} | | :<math>\begin{align} |
