爲HMATRIX向量和矩陣

我剛開始接觸的Haskell Haskell的數據類型，我已讀了LYAH的定義數據類型的部分，我試圖實現對信仰傳播和積算法。其中一項基本任務是定義概率圖形模型。爲HMATRIX向量和矩陣

如下所示，我已經嘗試通過綁結來表示，其中每個節點代表一個高斯分佈，並且具有恆重鏈接（現在）的圖表將它的鄰居來創建的曲線圖。然而，當試圖定義均值和協方差類型時，我在指定矩陣和矢量類型的類型時遇到了一些困難，即浮點或雙精度。

module Graph(Graph) where 

import Numeric.LinearAlgebra 

data Mean = Mean Vector 
data Covariance = Covariance Matrix 
data Gaussian = Gaussian Mean Covariance 

data Node = Node [Node] Gaussian 
data Graph = Graph [Node]

在這個簡單的例子中，將Mean定義爲Double類型的向量和協方差類型爲Double類型的Matrix的語法是什麼。此外，如何推廣Mean和Covariance可以是浮點型還是雙精度型？

我目前得到GHCI

以下

Graph.hs:5:18: error: 
    • Expecting one more argument to ‘Vector’ 
     Expected a type, but ‘Vector’ has kind ‘* -> *’ 
    • In the type ‘Vector’ 
     In the definition of data constructor ‘Mean’ 
     In the data declaration for ‘Mean’ 
Failed, modules loaded: none.

我用HMATRIX包描述here

來源

2017-03-25 Jack H

Vector和Matrix的參數化標量型（這樣你不僅可以有浮動的矩陣點「實數」，還包括整數矩陣，複數等）。這是由GHC ‘Vector’ has kind ‘* -> *’告訴你：本身Vector不是一個類型（類型有一種*，又名Type）。相反，它是一個型功能映射類型的種類*到類型的種類*。像Double這樣的標量已經是普通類型，所以你可以直接應用Vector。

GHCi> :kind Vector 
Vector :: * -> * 
GHCi> :k Double 
Double :: * 
GHCi> :k Vector Double 
Vector Double :: *

因此你需要

newtype Mean = Mean (Vector Double) 
newtype Covariance = Covariance (Matrix Double)

（newtype做同樣的事情data這裏，但它是一個有點更有效，因爲不需要額外的盒/指針）。

或者，也可以使用更多有意義類型的向量空間，例如

import Math.LinearMap.Category 

newtype Mean v = Mean v 
newtype Covariance v = Covariance (v +> DualVector v)

這樣做的優點是尺寸在編譯期進行檢查，以防止討厭的運行時錯誤（和原則上還可以提高性能，但坦率地說linearmap-category庫不是在所有的優化還）。

那麼你最好也進行參數化的其它類型的在向量空間：

data Gaußian v = Gaußian (Mean v) (Covariance v) 
data Node v = Node [Node v] (Gaussian v) 
data Graph v = Graph [Node v]

有點無關你的問題：這個打結肯定的感覺優雅，但它不是真正代表一個圖形以適當的方式，因爲節點不能進行身份檢查。對於所有可區分的手段，圖中的任何循環都會導致無限的結構。實際上，你不會繞過給你的節點，例如Int標籤，並保持邊緣單獨的結構。

來源

2017-03-25 14:25:05 leftaroundabout

多麼美妙的答案;謝謝！這已經爲我清除了一些東西。我對打結和無意造成無限的結構有一些懷疑。另一種方式（保持鄰接矩陣等）看起來很不雅觀。 –

爲HMATRIX向量和矩陣

回答

相關問題