tf.contrib.distributions.moving_mean_variance

Вычисление экспоненциально взвешенного скользящего среднего и дисперсии потока значений.

tf.contrib.distributions.moving_mean_variance(
    value, decay, collections=None, name=None
)

Экспоненциально взвешенные скользящие mean_var и variance_var обновляются value в соответствии со следующей рекуррентной формулой:

variance_var = decay * (variance_var + (1-decay) * (value - mean_var)**2)
mean_var     = decay * mean_var + (1 - decay) * value

Примечание: mean_var обновляется после variance_var, т.е. variance_var использует значение среднего с задержкой 1.

Для обоснования вывода см. [Finch (2009; Eq. 143)][1].

В отличие от assign_moving_mean_variance, эта функция обрабатывает создание переменных.

Аргументы
`value`	Данные, подобные `Tensor`. Формат совпадает с форматом `mean_var` и `variance_var`.
`decay`	Значение, подобное `Tensor`. Коэффициент затухания скользящего среднего. Обычно близко к `1.`, например, `0.999`.
`collections`	Список Python-ключей граф-коллекций, в которые добавляются внутренние переменные `mean_var` и `variance_var`. Значение по умолчанию — `[GraphKeys.GLOBAL_VARIABLES]`.
`name`	Необязательное имя возвращаемой операции.

Возвращаемое значение
`mean_var`	Значение, представляющее экспоненциально взвешенное скользящее среднее, обновленное `value`.
`variance_var`	Значение, представляющее экспоненциально взвешенную скользящую дисперсию, обновленную `value`.

Исключения
`TypeError`	Если `value_var` не имеет тип float `dtype`.
`TypeError`	Если у `value` и `decay` разные `base_dtype`.

[1]: Tony Finch. Инкрементное вычисление взвешенного среднего и дисперсии. Технический отчет, 2009. http://people.ds.cam.ac.uk/fanf2/hermes/doc/antiforgery/stats.pdf

© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r1.15/api_docs/python/tf/contrib/distributions/moving_mean_variance