# 课程三:参数曲线拟合
- 多变量函数(多元函数):
- 二元函数的基函数构造方法:张量积形式,即用两个一元函数的基函数的相互乘积来定义
三次张量积多项式:(选取不高于3次的项)
- 张量积函数(不限于幂函数时)
- 多元函数的张量积定义优点:定义简单,多个一元基函数的乘积形式;
- 多元函数的张量积定义缺点:随着维度的增加,基函数个数急剧增加,导致变量急剧增加(求解系统规模急剧增加,求解代价大)
- 解决办法:多元函数的神经网络表达,用一个单变量函数(称为激活函数)的不同仿射变换来构造“基函数”,使得基函数数目可控(节点数m要调节适当,不然多了过拟合,少了欠拟合),而神经网络深度越深能够让基函数数据的分布越来越散(广度大)从而使得更容易拟合好函数;
- 向量值函数: ,可看成x映射到了高维空间,空间的每一维均为一个x的函数,且各个函数独立无关(一般共享基函数):
- 向量值函数的几何解释:
- 特例:平面参数曲线
- 特例:空间参数曲线
- 特例:参数曲面(流形:只是在三维中薄薄的一层,本质是2维平面映射上去的,即3维中的流形曲面本征维度为2维,只不过在3维中呈现出来.流形任何一个点的无穷小的区域等价于平面上的一个圆盘)
- 特例:二维映射(可看成z始终为0 的特殊曲面)
- 特例:三维映射
- 特例:降维映射(低维投影)(启发:如果AuotEncoder的中间层维度甚至小于本质维度,那么是不可能重建出原来的全部信息的,如人脸人们推测本质维度为64-128,可将中间维度设置为64或128,小于64结果会很差)
- 总结:
- 拟合问题与参数化问题的关系:
1、曲线拟合问题为下图,其中为参数
2、参数化问题,即找到高维数据的低维本征参数(),如下图:
- 曲线参数化方法:1、均匀参数化(固定开头点和尾部点的值,然后按中间点数均匀分配,并不考虑数据点的几何关系)2、弦长参数化(先求出总弦长,再按每个数据点距离第一个点的弦长比例分配每个点的位置)3、中心参数化;4、拟音参数化
- 曲面参数化:
- 参数化的应用:1、地图绘制(地理学)2、纹理隐射 3、
# 课程四:三次样条函数
- 样条曲线=分段三次函数;
- 三次样条函数推导方法:
- 三次基样条求解方法:
- 样条函数的局限性:1、须有小扰度假定;2、不能处理多值问题;3、不能很好表达空间曲线;4、不能有坐标不变性(几何不变性)
- 解决办法:三次样条曲线
- 参数连续性(表示不连续)
- 参数连续性的不足:参数连续性过于严格,会使得在几何设计中不太直观;(例子:一条直线,有时某一点的左导数右导数不相等有时又相等,原因:连续性依赖于参数的选择,同一条曲线,参数不同,连续阶也不同)
- 几何连续性:与参数选择无关
- 几何连续性的具体形式: