综述基于卷积神经网络的图像分类算法在生成多维联合分布随机数中的应用

十七、生成多维联合分布随机数 一维随机变量是标量（也就是指单独的一个数字），而多维随机变量是一个向量。一个 n 维随机变量 x 是有 n 个分量的向量，(X0,X1,...,Xn)，用 f(X0,X1,...,Xn)表示联合分布，用 fk(Xk)表示第 k 维的边缘分布，用 fk(Xk|X1=x1,X2=x2,Xk-1=xk-1, Xk+1=xk+1,...,Xn=xn)表示当 分量 X1=x1,X2=x2,Xk-1=xk-1, Xk+1=xk+1,...,Xn=xn时第 k 个分量 xk的分布。这里大写 X 表示 随机变量某个维度上的分量，小写 x 表示具体的数值。关于边缘分布、条件分布、联合分布 一定要明白，这些都是基础数学知识，非本课程内容。如果手头没有书，通过 google 搜索 或上*临阵磨枪也是可以的。 各种生成多维分布随机数的方法一般步骤都是，逐个维度生成随机数分量， 后将这些 分量依次组合起来——如先生成 x0,再 x1,..., 后 xn,， 终写成(x0,x1,...,xn)。 在详细讲如何生成这些分量前，我们讲讲如何储存生成的随机数。 如果一次生成一个 n 维的随机数向量，可以用 n 变量来储存这个随机数的 n 个分量，也 可以将这 n 个分量按照次序（次序不能乱）存于一个 1*n 的行向量中。如果一次生成随机数 的数量很多，例如 N 个随机数，前面两种办法都可以用，即可用 n 个变量来储存这些随机 数的每个分量，此时每个变量是 N*1 的列向量；也可以只用一个 N*n 矩阵储存随机数所有