![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
数学计算
文章平均质量分 72
daoboker
这个作者很懒,什么都没留下…
展开
-
欧拉角,旋转向量,四元数与旋转矩阵
1.坐标系介绍与旋转角1.坐标系分为左手坐标系和右手坐标系,一般来说,右手坐标系更加常用一些,区别在于: 四指从X轴弯曲到Y轴,若右手大拇指指向Z轴方向,则为右手坐标系。若左手大拇指指向Z轴方向,则为左手坐标系。 2.在三维旋转中,物体的旋转次序也是十分重要的,例如,(a,b,c)在不同的旋转顺序下会有不同 的结果。 欧拉角的旋转顺序有很多,例如:Z-X-Y,X-Y-Z,X-Y-X,Z-X-Y。 且任意旋转可以分解成以下三个轴上的转角: 绕物体的Z轴旋转,得到偏航角yaw;绕旋转之后的Y轴旋转,得到转载 2021-08-30 16:15:58 · 2950 阅读 · 2 评论 -
numpy实战,PCA降维(特征值分解方法,不讲奇异值分解SVD)
PCA介绍在实践中,获取的数据维度都比较高。因为很多时候会把离散变量使用读入编码弄成多维空间,这样数据可以很稀疏,也会包含一些噪声。此时可以运用PCA降维,使特征之间更加独立,也能去除噪声减小计算量。PCA(Principle Component Analysis)即主成分分析,不仅可对高维数据降维,更重要的是经过降维,去除了噪声,从而发现数据中的一些固有的模式。PCA把原先的N个特征数用数目更少的M个特征来代替,新特征是旧特征的线性组合,这些组合最大化了样本方差,尽可能使新的M个特征互不相关。PC原创 2021-07-14 21:11:12 · 1561 阅读 · 0 评论 -
深度学习基于链式法则的反向传播计算图
记在开头,以simoid激活函数为例,学习基于链式法则的反向传播,有计算图更加的形象。总结一条规律:反向传播遇到节点(函数关系)时把节点前面那个值看成整体,节点后的值对前值求导即可。一路累乘,遇到加法节点上游等于下游,乘法节点上游乘以相反的下游即可。说到激活函数(如ReLU节点),反向传播时导数(y对x的偏导)当x>o时为1,当x<0时为0。同理另一个激活函数sigmoid导数因为总在0到1之间,反向累乘时会造成梯度消失。tips:发图片时旋转在#pic_center前加上/rot原创 2021-08-04 21:26:05 · 684 阅读 · 0 评论