基于Hessian矩阵的二阶方向导数与性质

您所在的位置:网站首页 最大方向导数怎么求公式 基于Hessian矩阵的二阶方向导数与性质

基于Hessian矩阵的二阶方向导数与性质

2024-07-12 08:59| 来源: 网络整理| 查看: 265

基于Hessian矩阵的二阶方向导数与性质

m0_74071811: 同时,特征向量与d夹角越小就代表离某个轴向与d越相似,d的方向导数就越靠近该轴向的导数(权重越大)

基于Hessian矩阵的二阶方向导数与性质

m0_74071811: 关于非特征向量的方向的二阶方向导数为什么是特性向量的方向导数的加权平均,感觉可以这么解释:作为特征向量的方向代表了原始空间的的一个轴向,函数在各个轴向上都有对应的方向导数,对于某点处不在轴向的方向,它必然可以用轴向表示出来,那么它在该点对于函数的方向导数也可以用该点处在各个轴向上的方向导数(特征值)线性组合出来,线性组合的系数就是各个特征值的权重

机器学习实例之线性回归

°ミ苑珺如懿づ: 有没有实验代码?

基于Hessian矩阵的二阶方向导数与性质

Hi 喀什噶尔的胡杨: 谢谢表情包

基于Hessian矩阵的二阶方向导数与性质

BrickMoverr: 可以证明加权平均,权重在(0,1):证明如下 d=k1*a1+...ki*a1+..+kn*an, 只需要等式左右同乘(ai)T ,可以得到(ai)T*d=ki,再用柯西不等式即可证明ki在(-1,1)之间。 (ki*ai)T*H*(ki*ai)=ki^2*特征值 所以权重ki^2在(0,1)之间



【本文地址】


今日新闻


推荐新闻


CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3