RBF 插值的基本形式
从样本中心、径向核函数和 Gram matrix 出发,推导标量 RBF 插值的线性系统形式。
EXPLORATIONS IN SIMULATION, LEARNING, AND SYSTEMS.
从样本中心、径向核函数和 Gram matrix 出发,推导标量 RBF 插值的线性系统形式。
从标量 RBF 推广到向量输出,讨论 matrix-valued kernel、常见核函数和 normalized RBF blend。
解释为什么旋转不适合直接作为欧氏向量插值,并整理 rotation vector、log map 与 exp map 在 RBF 中的用法。
从逆矩阵扰动恒等式和连续扰动导数出发,理解 rank-one 与 rank-r 正半定更新下的特征值交错。
从 rank-one inverse update 推到 Sherman-Morrison 和 Woodbury,并连接递归最小二乘与 Kalman Filter。
先把真实目标、随机样本、估计量、无偏性和方差讲清楚,再解释多次抽样平均为什么会降低波动。
把矩阵乘法写成外积之和,并用 importance weighting 构造无偏的随机矩阵乘法估计量。
梳理 QR iteration、shift、deflation、Hessenberg 形式以及 bidiagonal QR 与 SVD 之间的关系。
从用多项式逼近逆矩阵开始,推导 Krylov subspace、Arnoldi 过程和子空间最优近似。
整理向量范数、矩阵范数和线性约束下最小范数问题的几何图像,比较 l1、l2 与 l-infinity 范数的不同偏好。
把方阵、超定系统和欠定系统放在同一个伪逆框架下,区分最小二乘解与最小范数解。
从普通最小二乘的不稳定方向出发,推导 Tikhonov regularization,并用 SVD 解释它如何压制小奇异值。
从伪逆和四个基本子空间的视角理解最小二乘问题,并推导正规方程。
从矩阵范数和低秩近似进入 Eckart-Young 定理,并比较 PCA、TLS 与普通最小二乘的几何差异。
从列空间和行空间的基出发理解 CR decomposition,并把低秩矩阵写成列基与行基的乘积。
整理解析函数的定义、Cauchy-Riemann 条件,以及解析函数实部和虚部与 Laplace 方程的关系。
从复变函数路径积分出发,记录 Cauchy-Goursat theorem、路径无关性和复变函数积分基本定理。
记录奇点、Laurent series、Residue 与 Cauchy Integral Formula 的基本形式和推导。
整理复对数函数的多值性,并用复对数公式研究复数的有理幂。
整理复数的笛卡尔坐标与极坐标表示、欧拉公式推导,以及复变函数与泰勒级数收敛的入门内容。