【矩阵基础与维度分析】【公式细节推导】矩阵非线性最小二乘法泰勒展开
最小二乘法的一般形式
fif_ifi为某一时刻的误差 比如预测值与预测值的差值
将残差写成向量的形式
和上面的FFF相比 每个fff计算的还是某一时刻的误差 将全部的误差求平方再求和 就相当于它的转置乘以它本身 即:
F(X)=fT(X)f(X)F(X) = f^T(X)f(X) F(X)=fT(X)f(X)
所以有如下等式
则它的雅克比矩阵为:
这里每个雅克比矩阵的维度都为1×n1 \times n1×n
最小二乘泰勒展开
单项展开
整体展开
上述步骤更具体一些
第一行后面到第二行推导:
12fTf+fTJΔx+(JΔx)Tf+(JΔx)TJΔx=12fTf+fTJΔx+ΔxTJTf+ΔxTJTJΔx\frac {1}{2}f^Tf + f^TJ\Delta x + (J\Delta x)^Tf + (J\Delta x)^TJ\Delta x = \frac {1}{2}f^Tf + f^TJ\Delta x + \Delta x^T J^Tf + \Delta x^TJ^TJ\Delta x 21fTf+fTJΔx+(JΔx)Tf+(JΔx)TJΔx=21fTf+fTJΔx+ΔxTJTf+ΔxTJTJΔx
这里进行一下维度分析:
f为某一时刻确定的误差值 所以是标量
f:1×1f:1 \times 1 f:1×1
J参照上面的那个J的维度分析:
J:1×nJ: 1 \times n J:1×n
Δx\Delta xΔx为增加量 这里为列向量
Δx:n×1\Delta x:n \times 1 Δx:n×1
所以可得以下结论:
- fff为标量
- JΔxJ \Delta xJΔx为标量
- JTΔxTJ^T \Delta x^TJTΔxT为标量
所以有:
fTJΔx=(JΔx)Tf=ΔxTJTff^TJ\Delta x = (J\Delta x)^Tf = \Delta x^TJ^Tf fTJΔx=(JΔx)Tf=ΔxTJTf
维度分析对于矩阵运算很重要
【矩阵基础与维度分析】【公式细节推导】矩阵非线性最小二乘法泰勒展开相关推荐
- 【LaTex】矩阵、向量、单边公式排列
[LaTex]矩阵.向量.单边公式排列 文章目录 [LaTex]矩阵.向量.单边公式排列 1. 矩阵和向量 1.1 matrix语法 1.2 array语法 2. 单边公式排列 2.1 左侧括号 2. ...
- 视觉SLAM中,本质矩阵、基础矩阵、单应性矩阵自由度和秩分析
视觉SLAM中,本质矩阵.基础矩阵.单应性矩阵自由度和秩分析 1.各个矩阵的自由度 由于基础矩阵和本质矩阵都是由对极约束来的 1.1 本质矩阵E的自由度为5,秩为2 1.1.1 自由度: 首先,旋转和 ...
- 卡尔曼滤波原理公式详细推导过程[包括引出]
卡尔曼滤波在很多项目中都有用到,但是对于原理却很少有详细分析,而只是直接应用,在看完b站up主DR_CAN视频推导后自行推导一遍和查看其他资料后进行总结,将从最初的递归算法,利用数据融合,协方差矩阵, ...
- 光线追踪(ray tracing)介绍与细节推导
背景 最近因为找到关于光线追踪相关不错的教程,所以边学习边做记录并希望将相关资料进行分享. 光线追踪作为计算机图形学中一种可以获得良好的效果的渲染算法,有着非常广泛的应用.历史背景相关的介绍可参考百度 ...
- VINS-Mono之后端非线性优化 (目标函数中视觉残差和IMU残差,及其对状态量的雅克比矩阵、协方差递推方程的推导)
文章目录 1. 前言 2. 非线性最小二乘 2.1 Guass-Newton 和 Levenberg-Marquardt 2.2 鲁棒核函数下状态量增量方程的构建 3. 局部Bundle Adjust ...
- Spark MLlib矩阵分解源码分析
基础知识 特征值分解 如果一个向量 vv 是方阵 AA 的特征向量,可以表示成下面的形式: Av=λv Av = \lambda v 其中, λ\lambda 为特征向量 vv 对应的特征值,矩阵 A ...
- 矩阵分析与应用(一)——矩阵基础知识、广义逆
文章目录 前言 部分符号约定 关于矩阵理论的碎碎念 一些基础知识与本门课知识串讲 矩阵奇异与线性无关 向量空间.内积.范数 行列式.特征值.迹 逆.广义逆 矩阵方程.向量化.Kronecker积 向量 ...
- 序列自相关矩阵的计算和分析
序列自相关矩阵的计算和分析 这几天在搞DSP的时候遇到的一些问题,稍微整理了一下 在下文中,你将会看到:平稳过程到底有什么意义.随机信号处理是如何与固定信号分析联系起来的.自相关函数的定义.自相关矩阵 ...
- 递推最小二乘法RLS公式详细推导
递推最小二乘法RLS公式详细推导 整理递推最小二乘法推导过程自我整理. 递推最小二乘估计(RLS)作为一种估计方式是在最小二乘法(LS)的基础上发展来的. 最小二乘法可以解决的问题是不需要知道先验的概 ...
最新文章
- 是同步方法还是 synchronized 代码?-- 详解多线程同步规则
- 硅谷顶级VC发声:AI技术公司毛利实在太低,人工和算力成本太高
- java 字符串解析
- 16道关于Python基础方面的练习题
- 邮件MIME格式分析
- 乔布斯死后的300亿遗产终于被败光了,没想到竟是干了这件事
- php 创建目录_使用SMB绕过PHP远程文件包含限制
- linux中安装多个mysql_liunx系统下安装多个MySql数据库并做主从配置
- 如何做到毫秒级从百亿大表任意维度筛选数据?| 技术头条
- composer安装
- 维珍创始人的10大成功秘诀
- 如何在 Codeforces 上出题?
- 2021-07-22-第一次实训(HTML+CSS+JS)
- CART决策树python实现
- 新手阿里云服务器操作指南(图文教程)
- php k线公式源码,发个珍藏了N久的波浪主图公式(公式 指标 源码)(演示图)-其他软件公式 -程序化交易(CXH99.COM)...
- 华为账号不能连接服务器怎么回事,云服务器连接不了是什么原因_云服务器连不上是为什么_华为云...
- Obsidian 0x01:Obsidian 双链
- 生产环境Centos LNMP编译安装nginx-1.6 MySQL-5.6 php-5.5
- idea mysql可视化_IntelliJ IDEA 内置数据库管理工具实战