问题描述
我正在编写神经网络代码来生成点模式。在我的模型的损失函数中,我想使用 spatstat 包中提供的 Kest、pcf 和 Fest 函数。如果我使用 Fest 如下
F(r)=(1/m)*sum(1{d(u,x)<=r})
(上面的等式是“Spatial point pattern Methods and application with R”一书第286页的等式8.33,其中m是窗口内的点总数,u表示窗口内的像素,x表示点阵中的点,r为距离,d为像素到点阵所有点的最小距离)
然后我无法获得反向传播,因为由于比较而丢失了图(即,将 1 分配给 d(u,x)
F(r)=(1/m)*sum(max(r-d,0))
解决方法
如果你改变了计算,那么它就不再是同一个函数了。
不,将这个新计算的结果称为“F 函数”是不正确的。
但这重要吗?您想根据 F 函数的定义进行松散的计算,但经过彻底修改,以便新数量满足您需要的某些属性。没关系!你可以叫它别的东西。