09 2016 档案

摘要:奇异分解 假设C是m×n矩阵,U是m×m矩阵,其中U的列为 的正交特征向量,V为n×n矩阵,其中V的列为 的正交特征向量,再假设r为C矩阵的秩,则存在奇异值分解: 其中和的特征值相同,为 ,且。 是m×n的矩阵, , 。令 ,则 。 称为... 阅读全文
posted @ 2016-09-12 16:32 偶然相遇 阅读(243) 评论(0) 推荐(0)
摘要:More on Modules and their NamespacesSuppose you've got a module "binky.py" which contains a "def foo()". The fully qualified name of t... 阅读全文
posted @ 2016-09-11 15:29 偶然相遇 阅读(181) 评论(0) 推荐(0)
摘要:梯度下降法的计算过程就是沿梯度下降的方向求解极小值(也可以沿梯度上升方向求解极大值)。其一般 迭代公式步骤如下:目标函数:梯度:迭代公式 (沿着负梯度方向前进,值下降最快) -----------------------------------------------... 阅读全文
posted @ 2016-09-11 12:05 偶然相遇 阅读(323) 评论(0) 推荐(0)
摘要:1、选择矩阵运算 设S是稀疏矩阵,并具有以下性质: S中的每1列有且只有一个1的元素,其他元素值为0,并标记每个1元素所在的行号,构建1的行号集合F。假设, 则 , 初始化为全0矩阵,则 如: , ,初始化A是全0矩阵,然后 ... 阅读全文
posted @ 2016-09-09 09:41 偶然相遇 阅读(1022) 评论(0) 推荐(0)
摘要:输入样本点:,输出样本点:(1)采用稀疏表示方法重建信号时,使用稀疏表示方法进行重建。每个样本点表示为: ,其中列向量 。对于而稀疏向量 的计算方法采用以下最优化方法:其中A是由组成的字典矩阵,。(3)降维 阅读全文
posted @ 2016-09-08 22:54 偶然相遇 阅读(517) 评论(0) 推荐(0)