线性函数的协方差传播

最新推荐文章于 2023-03-14 23:09:45 发布
最新推荐文章于 2023-03-14 23:09:45 发布
阅读量2k 收藏 2
点赞数 1
分类专栏： 数学 文章标签： 平差
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sisterhuang/article/details/46055845
版权
本文介绍了在平差学习中线性函数的协方差传播，从单一线性函数的协方差传播公式出发，详细推导了该公式，并进一步扩展到两个线性函数的协方差传播，展示了协方差传播率的重要应用。
摘要由CSDN通过智能技术生成

开始着手学习平差啦，第一个要接触的就是协方差传播，而书上最先介绍的便是线性函数的协方差传播，鉴于这个地方十分重要，自己来推一遍。

一切都源于统计里的方差计算公式:

（1）

       以及协方差公式：

（2）

        1、首先是推导单一线性函数传播情况即

，其中Z是t维向量，K为t*n的系数矩阵，X为n*t的矩阵，K0为t*1的矩阵。

根据公式（1）有

最低0.47元/天 解锁文章
NotAnyMore_HCWY
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
非线性函数的协方差传播公式
03-18
### 非线性函数的协方差传播公式解析 #### 概述 在大地测量学及相关的领域中，为了精确地评估非线性函数的观测值精度，常常需要运用到协方差传播公式。传统的做法是仅考虑一次项的误差传播公式，但这往往无法完全...
误差、方差、协方差的传播
leida_wt的博客
02-16 8831
文章目录0. 绝对误差与相对误差0.1绝对误差（简称误差）：0.2相对误差1. 误差的传播2. 方差传播2.1 简单线性函数2.2 复杂函数3. 协方差传播4. 参考文献 误差分析在 0. 绝对误差与相对误差 一般的，称x∗x^*x∗为准确值xxx的一个近似值，可定义以下两种常用误差: 0.1绝对误差（简称误差）： 绝对误差（简称误差）: e(x∗)=x−x∗e(x^*)=x-x^*e(x∗)=x...
【机器学习】【线性代数】协方差+协方差矩阵的多种求解方法的Python实现（公式法 + 样本集中心化方法 + np.cov()法等）
蔚蓝的天空Tom
05-28 1万+
1.协方差和协方差矩阵的概念公式1.1协方差公式1.2协方差矩阵公式有数据集={X,Y,Z}，是三维度的数据，即此此数据集中的样例有3个特征2.协方差的多种求解Python实现2.1代码2.2运行结果3.协方差矩阵的多种求解Python实现人肉出品，代码详见如下：3.1代码# -*- coding: utf-8 -*- """ @author: 蔚蓝的天空Tom Talk is cheap, sh...
协方差 方差 以及线性相关理解
jideljd_2010的专栏
06-19 2578
矩阵这一块一直学的不是太好，终于得补习一下了，今天讲一下协方差矩阵
期望、方差、协方差、协方差函数、期望函数、方差函数
Leon_winter的博客
01-26 2万+
文章目录期望方差协方差协方差矩阵相关系数自协方差协方差函数 / 核函数期望函数 期望   对离散型随机变量X，其概率分布函数(probability density function,PMF)为P(X)P(X)P(X)，则： E(X)=μ=∑i=1nXiP(Xi)E(X)=\mu=\sum\limits^{n}_{i=1}X_{i}P(X_{i})E(X)=μ=i=1∑n​Xi​P(Xi​)   ...
协方差公式性质证明过程_相关函数的协方差的性质
weixin_29530803的博客
02-05 7793
展开全部协方62616964757a686964616fe58685e5aeb931333431353239差的性质：1、Cov(X，Y)=Cov(Y，X)；2、Cov(aX，bY)=abCov(X，Y)，(a，b是常数)；3、Cov(X1+X2，Y)=Cov(X1，Y)+Cov(X2，Y)。由协方差定义，可以看出Cov(X，X)=D(X)，Cov(Y，Y)=D(Y)。协方差函数定义为：若X(t)...
概率统计_协方差的传播 Covariance Propagation
惊鸿一博
03-14 685
是指分析在形如的关系中，对的影响有多大。误差的传播与函数的微分紧密相关，本质是在利用当Δ x 不大时，。方差计算公式：X为变量，为总体均值，N为总体例数。求变量X与均值的差的平方再求平均值，即得到方差。方差一般用来衡量这组数据的波动大小是通过的不确定度, 分析y的不确定度。该问题有时也称为方差的合成。
协方差详解
Steve Wang's blog
09-26 1万+
今天面算法，面试官问协方差是什么，因为平时基本可能用不到，所以一脸懵逼，今天来温习一下什么是协方差。 期望(Expection) 函数f(x)关于某分布P(x)的期望或者期望值是指，当x是由P产生时，f作用于x时，f(x)的平均值。对于离散型随机变量，通过求和得到： Ex∼P[f(x)]=∑xP(x)f(x)\mathbb{E}_{x\sim P}[f(x)]=\sum_xP(x)f(x)Ex...
ukf.zip_UKF_UKF状态估计_无迹卡尔曼滤波_非线性系统
09-15
然后，通过非线性函数将这些点映射到新的空间，并重新计算新的均值和协方差，以此近似非线性函数的输出分布。UKF的步骤主要包括预测和更新两个阶段： 1. **预测阶段**： - 生成sigma点：根据当前状态的均值和...
分区更新二项式高斯混合滤波器：在给定非线性测量之前更新高斯混合的函数-matlab开发
05-29
通过分析和运行这些代码，我们可以了解具体算法的实现细节，如线性化策略、非线性函数的处理方式以及可能的优化技巧。 总结来说，分区更新二项式高斯混合滤波器是解决非线性系统状态估计问题的有效工具。在 MATLAB ...
EKF.UKF.滤波函数 MATLAB
01-03
2. **预测和更新**：使用非线性函数将sigma点传递到下一个时间步，并计算均值和协方差。 3. **重采样**：根据新的均值和协方差生成新的概率分布。 在MATLAB中，`ukfupdate`和`ukfpredict`函数用于实现UKF算法。 **...
几种非线性滤波算法的研究报告-内附程序.doc
10-08
**不敏卡尔曼滤波（UKF）**是另一种处理非线性问题的高斯滤波方法，它使用sigma点（σ-point）来传播概率密度，而非像EKF那样仅依赖于均值和协方差。UKF通过选取合适的sigma点来更全面地逼近非线性函数，从而在一定...
期望、方差、协方差及相关系数的基本运算
热门推荐
Sonnet
02-21 5万+
期望、方差、协方差及相关系数的基本运算总结了概率统计中期望、方差、协方差和相关系数的定义、性质和基本运算规则。
协方差的传播律
皮皮君的博客
09-01 4737
设有观测值向量X和Y的线性函数： X的协方差阵，Y的协方差阵，X关于Y的互协方差阵为()，、、、为常系数阵。则有如下方差和协方差计算公式： 这就是协方差传播律的实用计算公式，其它计算公式均可由此导出。 来自：https://wenku.baidu.com/view/4d8b1945581b6bd97f19eaab.html...
协方差传播定律
YMWM_的博客
03-01 3031
已知n维随机变量X,YX,YX,Y有如下 线性 关系： Y=AX+b(1) Y = AX+b \tag{1} Y=AX+b(1) 其中AAA为n×n维系数矩阵，b为n维常数向量。若已知XXX的n×n维协方差矩阵为DXXD_{XX}DXX​，则可知YYY的n×n维协方差矩阵DYYD_{YY}DYY​为： DYY=ADXXAT(2) D_{YY}=AD_{XX}A^T\tag{2} DYY​=ADXX...
深度学习中优化算法小结
Sual
08-15 2670
　　终于可以开始讲优化算法了（写博客真是太花时间了，不过对于自我总结还是很有帮助的），本篇博客主要参照《Deep Learing》第8章，《深度学习实战》第5章以及清华博士大佬的一篇知乎文章《一个框架看懂优化算法》。 　　首先，我们先回顾一下优化算法的发展历程：SDG→→\rightarrowSGDM→→\rightarrowNAG→→\rightarrowAdaGrad→→\rightarro...
数学小抄:线性回归与协方差
nkc555的博客
10-31 1214
数学小抄: 线性回归与协方差
线性回归 最小二乘法 方差
moluchase的专栏
11-25 1万+
线性回归定义：     在上一个主题中，也是一个与回归相关的，不过上一节更侧重于梯度这个概念，这一节更侧重于回归本身与偏差和方差的概念。     回归最简单的定义是，给出一个点集D，用一个函数去拟合这个点集，并且使得点集与拟合函数间的误差最小。        上图所示，给出一个点集(x,y), 需要用一个函数去拟合这个点集，蓝色的点是点集中的点，而红色的曲线是函数的曲线，第一
城市生命线智慧管廊解决方案.pptx
最新发布
08-13
城市生命线智慧管廊解决方案.pptx
非线性函数的协方差传播
10-17
非线性函数的协方差传播是指在神经网络中，由于激活函数的非线性性质，导致误差在反向传播过程中无法简单地直接传递，需要通过链式法则进行计算。具体来说，对于一个非线性函数f(x)，其输入x的协方差矩阵为Σx，输出y的协方差矩阵为Σy，则它们之间的关系可以表示为： Σy = J * Σx * J^T 其中J是f(x)的雅可比矩阵，即f(x)对x的偏导数矩阵。这个式子说明了误差在反向传播过程中如何通过链式法则进行计算，从而更新网络参数。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值