摘要：
矩阵微分（matrix derivatives）1. 字典学习中的最小二乘法{Dopt,Wopt}=argminD,W∑ℓ=1L∥wℓ∥+γ∥X−DW∥2使用迭代求解的思路，优化上述问题，固定 W，上述问题就转换为单目标优化问题，此时可用最小二乘法的思路，给出 D 的... 阅读全文
摘要：
Dictionary Learning Tools for Matlab.1. 简介字典 D∈RN×K（其中 K>N），共有 k 个原子，x∈RN×1 在字典 D 下的表示为 w，则获取较为稀疏的 w 的稀疏逼近问题如下表示：wopt=argminw∥w∥p+γ∥x−... 阅读全文
摘要：
Dictionary Learning Tools for Matlab.1. 简介字典 D∈RN×K（其中 K>N），共有 k 个原子，x∈RN×1 在字典 D 下的表示为 w，则获取较为稀疏的 w 的稀疏逼近问题如下表示：wopt=argminw∥w∥p+γ∥x−... 阅读全文
摘要：
在优化问题的求解中，如果待优化（最大最小）的目标函数，其解集受限于一组约束条件，g1(x)≥0,…,gk(x)≥0约束条件定义着可行域（feasible region），对于可行域中的任一点 x ，也即满足：gi(x)≥0当 gi(x)=0 时，就称该约束条件在该点 ... 阅读全文
摘要：
在优化问题的求解中，如果待优化（最大最小）的目标函数，其解集受限于一组约束条件，g1(x)≥0,…,gk(x)≥0约束条件定义着可行域（feasible region），对于可行域中的任一点 x ，也即满足：gi(x)≥0当 gi(x)=0 时，就称该约束条件在该点 ... 阅读全文
摘要：
假定 A∈Rm×n1. 零空间（null space）N(A)∈Rn={x|Ax=0}例，求 A=[132826416] 的零空间的一组基。A=[132826416]⇒U=A=[10222044]，则 Ux=0，于是有，e1=[0−201]T,e2=[−2010]T所... 阅读全文
摘要：
假定 A∈Rm×n1. 零空间（null space）N(A)∈Rn={x|Ax=0}例，求 A=[132826416] 的零空间的一组基。A=[132826416]⇒U=A=[10222044]，则 Ux=0，于是有，e1=[0−201]T,e2=[−2010]T所... 阅读全文
摘要：
span：全部列向量的线性组合构成的集合；span[a1,…,an]={y∈Rm|y=∑k=1nckak}=S注：ak∈Rm，共 n 个列向量；集合 S 可以有不同的一组基，但是基中向量的个数是相同的，被称为 S 的维数，等于 rank(A) 阅读全文
摘要：
span：全部列向量的线性组合构成的集合；span[a1,…,an]={y∈Rm|y=∑k=1nckak}=S注：ak∈Rm，共 n 个列向量；集合 S 可以有不同的一组基，但是基中向量的个数是相同的，被称为 S 的维数，等于 rank(A) 阅读全文
摘要：
∇：梯度算子；∇2：二阶梯度算子，对应于计算 Hessian 矩阵；≻0：正定； A≻B ⇒ A−B≻0≺（\prec）⪰0：半正定； 阅读全文
摘要：
∇：梯度算子；∇2：二阶梯度算子，对应于计算 Hessian 矩阵；≻0：正定； A≻B ⇒ A−B≻0≺（\prec）⪰0：半正定； 阅读全文
摘要：
1. 爱情 & 人生一切恩爱会、无常难得久、生世多畏惧、命危于晨露；由爱故生忧，由爱故生怖，若离于爱者，无忧亦无怖。佛曰：由爱故生忧，由爱故生怖，若离于爱者，无忧亦无怖。 摩柯枷叶：如何能为离于爱者？ 佛曰：无我相，无人相，无众生相，无寿者相，而法相宛然，即为离于爱者... 阅读全文
摘要：
1. 爱情 & 人生一切恩爱会、无常难得久、生世多畏惧、命危于晨露；由爱故生忧，由爱故生怖，若离于爱者，无忧亦无怖。佛曰：由爱故生忧，由爱故生怖，若离于爱者，无忧亦无怖。 摩柯枷叶：如何能为离于爱者？ 佛曰：无我相，无人相，无众生相，无寿者相，而法相宛然，即为离于爱者... 阅读全文