適用於Metropolis的示例/教程使用PyMC的圖像

我正在尋找用於圖像處理的AdaptiveMetropolis步驟方法的示例或教程。適用於Metropolis的示例/教程使用PyMC的圖像

我到目前爲止發現的唯一一個模糊的圖像相關資源是這個天文學dissertation和相關的GitHub repo。

這個較寬的question似乎沒有提供PyMC示例代碼。

在模擬陣列上尋找峯值怎麼辦？

import numpy as np 
from matplotlib import pyplot as plt 

sz = (12,18) 
data_input = np.random.normal(loc=5.0, size=sz) 
data_input[7:10, 2:6] = np.random.normal(loc=100.0, size=(3,4)) 

fig = plt.figure() 
ax = fig.add_subplot(1,1,1) 
im = ax.imshow(data_input) 
ax.set_title("input")

enter image description here

來源

2014-12-02 gmas80

我知道的最接近的是在這裏：http://nbviewer.ipython.org/github/CamDavidsonPilon/Probabilistic-Programming-and-Bayesian-Methods-for-Hackers/blob/master/Chapter5_LossFunctions/LossFunctions.ipynb（見示例：在觀測黑暗的世界Kaggle大賽）

在這個線程你問一個具體問題：https://github.com/pymc-devs/pymc/issues/653約找到一個陣列在圖像中。這是對一個模型的第一次嘗試：

在這種情況下，您似乎試圖估計高斯噪聲的二維均勻分佈。你必須轉化爲實際的模型中，這但這將是一個想法：

lower_x〜DiscreteUniform（0,20）

upper_x〜DiscreteUniform（0,20）

lower_y〜 DiscreteUniform（0，20）

upper_y〜DiscreteUniform（0，20）

高度〜正常（100，1）

噪聲〜InvGamma（1，1）

意味着=零（（20，20））

手段[[lower_x：upper_x，lower_y：upper_y] =高度＃這需要是確定性

數據〜正常（畝=手段，SD =噪聲）

這可能是更好的代碼upper_x作爲偏移，然後做lower_x：lower_x + offset_x，否則需要的電勢來執行lower_x < upper_x 。

來源

2014-12-11 08:13:33 twiecki

適用於Metropolis的示例/教程使用PyMC的圖像

回答

相關問題