高斯函数参考

在看论文 ICLR 2020 《ADAPTIVE STRUCTURAL FINGERPRINTS FOR GRAPH ATTENTION NETWORKS》时，在文中的自适应结构指纹模型里，当给节点赋予权值时，其中一种方法提到可以使用距离的高斯函数来计算节点的权重。

 

高斯函数是特征对称的钟（bell curve）的形状。

a为曲线尖锋的高度，b为尖峰的中心位置，c表征钟的宽度（具体函数见下面）。

其用处特别多，比如做模糊、正态分布统计、卷积的基础等很多方面都有用。

具体来说可以做荧光笔效果、毛玻璃效果、边缘平滑、抗锯齿等等

参考链接： https://zhuanlan.zhihu.com/p/40060966

https://blog.csdn.net/qinglongzhan/article/details/82348153?utm_term=%E9%AB%98%E6%96%AF%E5%87%BD%E6%95%B0%E6%A6%82%E5%BF%B5&utm_medium=distribute.pc_aggpage_search_result.none-task-blog-2~all~sobaiduweb~default-0-82348153&spm=3001.4430

高斯函数，Gaussian Function， 也简称为Gaussian，一维形式如下：

对于任意的实数a,b,c，是以著名数学家Carl Friedrich Gauss的名字命名的。高斯的一维图是特征对称“bell curve”形状，a是曲线尖峰的高度，b是尖峰中心的坐标，c称为标准方差，表征的是bell钟状的宽度。

高斯函数广泛应用于统计学领域，用于表述正态分布，在信号处理领域，用于定义高斯滤波器，在图像处理领域，二维高斯核函数常用于高斯模糊Gaussian Blur，在数学领域，主要是用于解决热力方程和扩散方程，以及定义Weiertrass Transform。

从上图可以看出，高斯函数是一个指数函数，其log函数是对数凹二次函数 whose logarithm a concave quadratic function。

高斯函数的积分是误差函数error function，尽管如此，其在整个实线上的反常积分能够被精确的计算出来，使用如下的高斯积分

同理可得

当且仅当

上式积分为1，在这种情况下，高斯是正态分布随机变量的概率密度函数，期望值μ=b，方差delta^2 = c^2，即