Singularity and embedding vector, orthgonal meaning
13 Feb 2022 | calculus
Singularity
Singularity란 무엇인가. Matrix에서의 Linear dependency이다.
즉 A라는 행렬이 있다면, 행렬의 역수 A^-1이 0이라는 점이고(Matrix Determinant “0”), 이는 최적화 할때 Linear Problem이나 Non Linear Problem문제를 풀때 Least Square를 많이 사용하는데, 미지수에 대한 값을 구할 수 없다는 것이다.(reprenst gimber lock problem of euler angle rotation matrix)
Singularity Matrix를 푸는 방법은 없다.
embedding vector
embedding vector : Feature Vector(like input image)
즉 특징을 가진 벡터로, classificiation을 할 때 사용이 되거나, 특징 적인 control 제어할때 사용이 된다.
ORthogonal Matrix Represent Rotation Matrix
A * A^-1 = I , A * B = I <- ORthogonal Matrix이다.
Rigid motion camera rotation을 구할때 많이 사용된다.
Reference
Singularity
Singularity란 무엇인가. Matrix에서의 Linear dependency이다.
즉 A라는 행렬이 있다면, 행렬의 역수 A^-1이 0이라는 점이고(Matrix Determinant “0”), 이는 최적화 할때 Linear Problem이나 Non Linear Problem문제를 풀때 Least Square를 많이 사용하는데, 미지수에 대한 값을 구할 수 없다는 것이다.(reprenst gimber lock problem of euler angle rotation matrix)
Singularity Matrix를 푸는 방법은 없다.
embedding vector
embedding vector : Feature Vector(like input image)
즉 특징을 가진 벡터로, classificiation을 할 때 사용이 되거나, 특징 적인 control 제어할때 사용이 된다.
ORthogonal Matrix Represent Rotation Matrix
A * A^-1 = I , A * B = I <- ORthogonal Matrix이다.
Rigid motion camera rotation을 구할때 많이 사용된다.