在本征库中，要实现A^T*A，可以编写：X.template selfadjointView<Lower>().rankUpdate我试过如下，但它提供了编译错误：它会产生错误：
error: no matching mem
浏览 8提问于2022-01-20得票数 1
回答已采纳
我在浏览了本征教程但是像H.transpose() *H这样的计算如何，因为它的结果是一个对称矩阵，所以它应该只需要半个时间就像普通的A* B，但是在我的测试中，H.transpose() *H和H.transpose() *B花费同样的时间。在这种情况下，特征有特殊的优化，比如opencv，它有类似的函数。
浏览 4提问于2016-09-21得票数 4
回答已采纳
我的理解(如果正确的话)是，有一些方法可以直接调整分解后的矩阵，例如rankUpdate，这可能会缩短求解时间。在我们的示例中，每个元素的更改都会导致更改为2或3行，以及相应的2或3列。谁能提供一个简短的讨论和简单的例子来说明rankUpdate是如何使用的，或者纠正我的理解？谢谢
凯文
浏览 21提问于2019-08-04得票数 0
1回答
const int N = 100;EigensymmetricMatrix_copy.selfadjointView<Eigen::Upper>().rankUpdate(myVec, 1-alpha);
我想知道我是否能以一种有效的方式组合最后两行
浏览 0提问于2018-10-08得票数 7
2回答
我最近开始使用Eigen (版本3.3.1)，在OLS回归的核心上运行一个对Armadillo的基准测试，这就是计算矩阵的乘积的逆，我注意到使用MKL库编译Eigen比不使用它运行这种操作要慢。#define EIGEN_NO_STATIC_ASSERT#include <Eigen/Dense>
using Matrix
浏览 6提问于2016-12-11得票数 1
回答已采纳
1回答
我试图通过运行RcppEigen来加速我缓慢的OLS估计。fastolsCpp <- 'const MapVecd y(as<MapVecd>(yy));const VectorXd betahat(llt.solve(X.adjoint() * y));'
fast
浏览 4提问于2014-04-23得票数 2
回答已采纳
我想使用S %*% S计算RcppEigen。我可以做：using Eigen::MatrixXd;const MatrixXd我试过：using Eigen::MatrixXd;
const Map<MatrixXd> S(as<Map<MatrixXd> >(A
浏览 3提问于2015-02-20得票数 1
回答已采纳
2回答
我想生成的函数如下所示 int p = X.cols();
Eigen::SparseMatrix<double> matprod(p, p
浏览 14提问于2017-01-28得票数 17
1回答
我可以访问许多矩阵库，但对于这个项目，我使用的是Eigen，因为它的编译时间定义和它包含的SVD。现在，我正在执行以下操作：B.noalias() = A.transpose() * A;
我可以编写自己的子例程，接受A作为输入并填充B，但我想知道是否有一个高效
浏览 1提问于2017-03-10得票数 7
2回答
在相同矩阵matA的倍数情况下，类似您不需要计算所有的结果积，因为结果矩阵是对称的(所以只有当m>n)，在我的特定情况下总是对称的！方块。所以我的问题是，如何告诉特征，只计算下半部分的存在方式。可选地将产品保存到较低的三位一体部分？
DATA = SparseMatrix<double>((SparseMatrix<double>(matA.tra
浏览 0提问于2015-06-11得票数 2
回答已采纳
而且，它也不对这些矩阵使用任何填充存储。三角矩阵和对称矩阵都被认为是正规矩阵。但本征有的概念。但在本征文献中，他们提到，它们对对称矩阵和三角矩阵都执行优化操作。
浏览 0提问于2016-07-17得票数 4
回答已采纳
我这样做是为了得到：.selfadjointView<Eigen::Upper>().rankUpdate(bM);
这让我得到了bM
浏览 30提问于2016-07-16得票数 0
回答已采纳
2回答
用C++乘法R中的复矩阵
、、、、
据我所知，使用C++会显着地加快速度，所以这就是我想要做的。library(inline); using Eigen::Map;using Eigen::Lower;
const Map<MatrixXd> A(as<Map<MatrixXd> >(AA))
浏览 0提问于2018-02-05得票数 3
回答已采纳
我有一个运行得很好的：Sig.selfadjointView<Lower>().rankUpdate(xSub.adjoint());
现在，我还需要得到Sig的上三角形部分, Derived = Eigen::Matrix<float, -0x00000000000000001, -0x00000000000000001>, typename Eigen::MatrixBaseMode = Mode, Derived = Eigen::Matrix<f
浏览 1提问于2013-01-26得票数 0
回答已采纳
(进一步说，这应该连接到一个更大的2Nx6矩阵，用于SVD-操作)我考虑使用一个函数，因为我总共有20个输入矩阵(数字不是那么重要)，对于每个输入矩阵示例：Eigen::Matrix<float, 3, 3> mat = [ 1 2 3; 4 5 6; 7 8 9];
Eigen::RowVecto
浏览 0提问于2018-08-16得票数 0
回答已采纳
1回答
我在一个C++程序中做了很多矩阵乘法，我使用了特征(3.3.5)连接到英特尔的MKL (2018.3.222)。我使用MKL的顺序版本，并且禁用了OpenMP。问题是它比Matlab慢。一些示例代码：#define EIGEN_USE_MKL_ALL
#include <chrono>
#include <Core我在同一个系统上使用了Matlab R2017a和maxNumCompThreads(1)。Matlab<e
浏览 0提问于2018-08-16得票数 8
2回答
代码如下：boost::shared_ptr<Eigen::MatrixXd> returns_m = boost::make_shared<Eigen::MatrixXd>(factor_size, num_of_obs_per_simulation);
boost::shared_ptrreturns_m).transpose() / (num_of_obs_
浏览 0提问于2018-06-22得票数 0
2回答
为了提高速度，我使用C/ Rcpp。这个函数运行得很好，但由于我不是计算机科学家，所以我想知道它是否可以运行得更快。这段代码适合并行化，但我没有并行C代码的经验。骰子系数是相似性/相异度的简单度量(取决于您如何使用它)。它旨在比较不对称的二进制向量，这意味着其中一个组合(通常是0-0)并不重要，并且一致(1-1对)比不一致(1-0或0-1对)具有更多的权重。
浏览 0提问于2013-06-05得票数 6
回答已采纳
我需要用Eigen来计算像"A'*A“这样的公式，其中A是m乘n矩阵。直观的方法是，但是，由于结果是对称的，所以只能计算结果的上下部分吗？
浏览 3提问于2017-06-02得票数 0
回答已采纳
云服务器
ICP备案
云直播
即时通信 IM
对象存储
腾讯云开发者
