文章 "神经网络实践：伪逆 (二)"

新评论
 

新文章 神经网络实践：伪逆 (二)已发布：

由于这些文章本质上是教育性的，并不打算展示特定功能的实现，因此我们在本文中将做一些不同的事情。我们将重点介绍伪逆的因式分解，而不是展示如何应用因式分解来获得矩阵的逆。原因是，如果我们能以一种特殊的方式来获得一般系数，那么展示如何获得一般系数就没有意义了。更好的是，读者可以更深入地理解为什么事情会以这种方式发生。那么，现在让我们来弄清楚为什么随着时间的推移，硬件正在取代软件。

在上一篇文章 "神经网络实践：伪逆 (一)"中，我展示了如何使用 MQL5 库中的一个函数来计算伪逆。然而，与许多其他编程语言一样，MQL5 库中的方法旨在使用矩阵或至少一些可能类似于矩阵的结构来计算伪逆。

尽管本文展示了如何执行两个矩阵的乘法，甚至是因式分解来得到任何矩阵的行列式（这对于知道矩阵是否可以求逆很重要），但我们仍然需要再实现一个因式分解。这是必要的，这样您就可以理解如何执行因子分解来获得伪逆值。这种因式分解包括生成逆矩阵。

但是转置呢？在上一篇文章中，我展示了如何执行因子分解，模拟矩阵与其转置的乘法。因此，执行这样的操作不是问题。

作者：Daniel Jose

新评论