Levenberg-Marquardt Algorithm
2016-09-01 18:01
309 查看
对于最小二乘问题,我们的优化目标是:
1
上面公式中的1/2是为了求导时看起来更美观这里:
2
r的雅克比矩阵:
3
有了雅克比矩阵,我们可以在计算梯度函数时,非常方便:
4
上面的结尾可以知道:有了雅克比矩阵,就知道了hessian矩阵的一部分,并且不增加计算量(这很重要),并且也正是因为这一点算法可以高效的解决最小二乘问题。要理解这一点,请记住,对于其他所有基于梯度下降的算法,我们都是通过泰勒级数(最高到2阶,hessian项)来近似求解函数。
泰勒级数:
5
如果||r(x)||是x的线性函数(f(x)就是二次函数),那么其雅克比矩阵就是常数,并且
6
对所有的j成立。
在这里,替换公式4中的两个公式到泰勒级数并求导:
7
同样:
8
这是一个线性最小二乘问题,有解。在理想情况下我们可以看到,这就是一个:Ax = b (在这里A = Jt*J是一个方阵,b = -Jt*r(x)),并能够直接求解:
9
然后这样计算量很大,并且在数值上很不稳定,所有我们需要用线性代数使用不同的方法来找到x的解,例如Cholesky 分解,QR分解,或者是SVD。我们将使用SVD,SVD分解如下:
10
U、V是正交矩阵,为了将他应用到最小二乘问题我们计算Jt*J的SVD分解,并替换掉公式8:
11
在这里ABt = BtAt。
我们可以更深入一点,在这里J不是方阵的情况。(未完,待续)
1
上面公式中的1/2是为了求导时看起来更美观这里:
2
r的雅克比矩阵:
3
有了雅克比矩阵,我们可以在计算梯度函数时,非常方便:
4
上面的结尾可以知道:有了雅克比矩阵,就知道了hessian矩阵的一部分,并且不增加计算量(这很重要),并且也正是因为这一点算法可以高效的解决最小二乘问题。要理解这一点,请记住,对于其他所有基于梯度下降的算法,我们都是通过泰勒级数(最高到2阶,hessian项)来近似求解函数。
泰勒级数:
5
如果||r(x)||是x的线性函数(f(x)就是二次函数),那么其雅克比矩阵就是常数,并且
6
对所有的j成立。
在这里,替换公式4中的两个公式到泰勒级数并求导:
7
同样:
8
这是一个线性最小二乘问题,有解。在理想情况下我们可以看到,这就是一个:Ax = b (在这里A = Jt*J是一个方阵,b = -Jt*r(x)),并能够直接求解:
9
然后这样计算量很大,并且在数值上很不稳定,所有我们需要用线性代数使用不同的方法来找到x的解,例如Cholesky 分解,QR分解,或者是SVD。我们将使用SVD,SVD分解如下:
10
U、V是正交矩阵,为了将他应用到最小二乘问题我们计算Jt*J的SVD分解,并替换掉公式8:
11
在这里ABt = BtAt。
我们可以更深入一点,在这里J不是方阵的情况。(未完,待续)
相关文章推荐
- Lourakis/ Levenberg-Marquardt nonlinear least squares algorithms in C/C++
- Levenberg-Marquardt优化算法以及基于LM的BP-ANN
- V-rep学习笔记:机器人逆运动学数值解法(Damped Least Squares / Levenberg-Marquardt Method)
- Levenberg-Marquardt(列文伯格-马夸尔特)算法
- sba(sparse bundle adjustment):一个基于Levenberg-Marquardt(LM)算法的通用稀疏光束法平差C/C++软件包
- 基于Levenberg-Marquardt训练算法的BP网络Python实现
- Eigen中Levenberg-Marquardt算法的应用
- Python 算例实现Levenberg-Marquardt算法
- 利用Levenberg_Marquardt算法求解无约束的非线性最小二乘问题~
- Levenberg–Marquardt算法学习
- Levenberg-Marquardt优化算法
- Levenberg-Marquardt(列文伯格-马夸尔特)算法
- Levenberg–Marquardt算法
- LM(Levenberg-Marquard)算法的实现
- A Brief Description of the Levenberg-Marquardt Algorithm Implemened by levmar
- LM(Levenberg-Marquard) c语言实现
- 训练数据常用算法之Levenberg–Marquardt(LM)
- levmar : Levenberg-Marquardt库编译
- 【转】 Levenberg-Marquardt 算法快速入门教程
- vs2010 编译 levmar 2.6,(Levenberg-Marquardt)