- 博客(2)
- 资源 (2)
- 收藏
- 关注
原创 矩阵维度
矩阵维度的理解 举例说明 // example import numpy as np data = np.arange(6) print(np.reshape(data, (1, 2, 3))) 输出的结果是: [[[0 1 2] [3 4 5]]] 这样我们可以进一步将结果拆解为有2个(1,3)的矩阵 ==》进一步看成有1个(2,3)的矩阵 ==》则矩阵的维度大小为(1,2,3) 在看另...
2019-06-19 20:16:20
3197
原创 KTT条件的理解
求解优化问题: 对于等式约束条件,使用拉格朗日乘子法求; 对于不等式约束条件,使用KTT条件求解; 这两种方法求得结果只是必要条件,只有当目标函数是凸函数时,才是充分必要条件。 着重讲一下KTT条件 求解如下优化问题: minxf(x)s.t.gi(x)≤0(j=1,...,n)minxf(x)s.t.gi(x)≤0(j=1,...,n)min_{x} f(x) \nonumber\\...
2018-02-24 14:59:51
1879
4
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人