$R^n$超平面约束下的向量列

原向量: x → \overset{\rightarrow}{x} x→

与 x → \overset{\rightarrow}{x} x→法向相同的法向量(与 x → \overset{\rightarrow}{x} x→同向) ( x → ⋅ n → ∣ n → ∣ 2 ) n → (\frac{\overset{\rightarrow}x\cdot\overset{\rightarrow}n}{|\overset\rightarrow n|^2})\overset\rightarrow n (∣n→∣2x→⋅n→)n→(即原向量在法向的投影)

投影到超平面的向量 x → − ( x → ⋅ n → ∣ n → ∣ 2 ) n → \overset{\rightarrow}{x}-(\frac{\overset{\rightarrow}x\cdot\overset{\rightarrow}n}{|\overset\rightarrow n|^2})\overset\rightarrow n x→−(∣n→∣2x→⋅n→)n→(与 x → \overset{\rightarrow}{x} x→同向)

(就是一个向量三角形)

比如 x → = ( x 1 , ⋯ x n ) \overset{\rightarrow}{x}=(x_1,\cdots x_n) x→=(x1,⋯xn),梯度约束在 x 1 + ⋯ + x n = 1 x_1+\cdots+x_n=1 x1+⋯+xn=1中,那么

python 复制代码
grad = list(map(lambda x: x-tf.reshape(tf.reshape(x, [1,-1])@tf.ones([x.shape[0],1]),[])/(x.shape[0])*tf.ones([x.shape[0]]), grad))

要做一次投影,让梯度也满足约束,从而当初始点满足约束时,这样使用梯度下降可以使得点列一直满足约束

相关推荐
番茄寿司1 分钟前
基于LSTM的多变量时间序列预测创新路径
论文阅读·深度学习·计算机网络·机器学习·lstm
墨利昂4 分钟前
深度学习常用优化器解析
人工智能·深度学习·机器学习·1024程序员节
这张生成的图像能检测吗17 分钟前
(论文速读)超像素引导低光图像增强与特征恢复
图像处理·人工智能·目标检测·计算机视觉·低照度图像增强
机器之心26 分钟前
吴恩达关注的Ling-1T背后,蚂蚁Ling 2.0技术报告解密万亿模型开源配方
人工智能·openai
空白到白40 分钟前
NLP相关面试题
人工智能·自然语言处理
嵌入式-老费43 分钟前
Easyx图形库应用(和opencv协同)
人工智能·opencv·计算机视觉
放羊郎1 小时前
基于三维点云图的路径规划
人工智能·动态规划·slam·点云·路径规划·激光slam
算家计算1 小时前
英伟达亮出最强AI芯片!性能暴增3倍,算力竞赛迎来新节点
人工智能·nvidia·芯片
lxmyzzs1 小时前
【图像算法 - 30】基于深度学习的PCB板缺陷检测系统: YOLOv11 + UI界面 + 数据集实现
人工智能·深度学习·算法·yolo·缺陷检测
Patrick_Wilson1 小时前
AI 时代下的工程师核心竞争力思考
人工智能·ai编程·求职