周报8<自学>
文章目录
- 一、参数优化
- 1.梯度下降
- 2.独立存储旋转和缩放向量
- 问题1:为什么会产出无效协方差矩阵
- 问题2:公式的属性
- 问题3:协方差矩阵为什么可以表示图像
- 问题4:如果只有一组点,怎么得到协方差矩阵
- 问题5:什么是四元数
- 问题6:什么是各向异性
- 一、优化问题
- 1.CVXPY工具包有什么用
- 1️⃣功能
- 2.对偶值
- 1️⃣定义
- 2️⃣什么是对偶问题
- (1)对偶函数
- (2)对偶问题
- 一、计组
- 1.浮点数表示
- 二、数据结构
- 1.三元数表示稀疏矩阵
- 1️⃣结构表示
- 2️⃣数组初始化
- 2.语法
- 1️⃣如何查询子串在母串
- 2️⃣如何读取输入有空格
一、参数优化
1.梯度下降
缺点:无效协方差矩阵
2.独立存储旋转和缩放向量
缩放:3D向量s
旋转:四元数q
问题1:为什么会产出无效协方差矩阵
1️⃣梯度下降步长过大会造成协方差矩阵变成非半定矩阵
2️⃣梯度下降
初级阶段:相对较大的学习率
中期阶段:逐渐减少学习率
后期阶段:最小学习率
问题2:公式的属性
举例:S缩放矩阵
R 旋转矩阵
得到的协方差矩阵
表示x,y,z轴分布放缩a,b,c倍
围绕z轴旋转α角度
问题3:协方差矩阵为什么可以表示图像
上一个例子,可以表示为,长轴a,短轴b,高c,位置z轴旋转的一个椭球体
可以讲协方差矩阵特征值分解
分解出特征向量和特征值
问题4:如果只有一组点,怎么得到协方差矩阵
1.计算均值
2.计算协方差矩阵
1️⃣数学对象:
这是一个从实际数据中计算得到的协方差矩阵,用于描述一组三维空间中的点的分布情况
2️⃣场景
在多元数据统计中描述数据的线性关系
识别数据的主要变化方向,数据点分布最广的方向
可以帮助分类算法理解不同类别数据的分布特性
问题5:什么是四元数
1️⃣四元数的组成
一个实部,三个虚部
2️⃣意义
实部:旋转角度的余弦值有关
虚部:与旋转轴的坐标向量有关
3️⃣性质
1.归一化
2.旋转表示:避免了万向节锁,可以平滑的插值
3.组合方便:表示先q2旋转再q1旋转
4️⃣运算
1.共轭:虚部相反数
2.逆:共轭/模长
5️⃣从四元数到旋转矩阵
6️⃣从旋转矩阵到四元数
矩阵的特征值和特征向量
问题6:什么是各向异性
各向异性是什么
定义:系统在不同方向表现不同的性质
表示数据在各轴上的分布宽度
表示不同变量间的线性关系
文章目录
- 一、参数优化
- 1.梯度下降
- 2.独立存储旋转和缩放向量
- 问题1:为什么会产出无效协方差矩阵
- 问题2:公式的属性
- 问题3:协方差矩阵为什么可以表示图像
- 问题4:如果只有一组点,怎么得到协方差矩阵
- 问题5:什么是四元数
- 问题6:什么是各向异性
- 一、优化问题
- 1.CVXPY工具包有什么用
- 1️⃣功能
- 2.对偶值
- 1️⃣定义
- 2️⃣什么是对偶问题
- (1)对偶函数
- (2)对偶问题
- 一、计组
- 1.浮点数表示
- 二、数据结构
- 1.三元数表示稀疏矩阵
- 1️⃣结构表示
- 2️⃣数组初始化
- 2.语法
- 1️⃣如何查询子串在母串
- 2️⃣如何读取输入有空格
一、优化问题
1.CVXPY工具包有什么用
建模语言,解决凸优化问题
1️⃣功能
1.自动问题转换:可以将凸优化问题转化为标准问题:线性规划二次规划
2.处理numpy的向量和矩阵
3.可以识别无界和不可行问题
4.可以调用求解器,返回解包结果
2.对偶值
1️⃣定义
对偶问题的解:目标函数和约束性的梯度之比
每一个约束对应一个对偶值
2️⃣什么是对偶问题
(1)对偶函数
原问题的拉格朗日函数根据x最小化以拉格朗日乘子为变量的函数
(2)对偶问题
对偶函数满足KKT条件的问题
- 目标函数的梯度➕乘子*约束性负方向梯度=0
- 乘子>=0
- 约束性满足
- 互补松弛关系 乘子*非等式约束=0
一、计组
1.浮点数表示
1️⃣浮点数的表示范围:正上溢出,正下溢出
2️⃣浮点数的规格化
左规
0.0111->1.110
右规
11.1->1.11
阶码相应的变化
3️⃣
二、数据结构
1.三元数表示稀疏矩阵
1️⃣结构表示
typedef struct tri {int row;int col;int value;
} tri;
2️⃣数组初始化
静态数组->arr[100]={0};
动态数组->for循环遍历赋值
2.语法
1️⃣如何查询子串在母串
re=strstr(mu,zi);
re表示子串在母串的地址
2️⃣如何读取输入有空格
fgets(str,sizeof(str),stdin);
将换行符也加进入了
str[strcspn(str,“\n”)]=0;