==PART1 ==
1. 问题
如何求下列表达式中的未知参数W?求偏导?
minf(W)=minw∥(XW∘D˘)B∥F2(0) \min f(W)=\min_w \|(XW \circ \breve{D})B\|_F^2 \tag{0} minf(W)=wmin∥(XW∘D˘)B∥F2(0)
其中 只有W是未知参数\textcolor{red}{只有W是未知参数}只有W是未知参数,且X∈Rn×m,W∈Rm×c,D˘∈Rn×c,B∈Rc×cX \in R^{n \times m}, W \in R^{m \times c}, \breve{D} \in R^{n \times c}, B \in R^{c \times c}X∈Rn×m,W∈Rm×c,D˘∈Rn×c,B∈Rc×c
同时∘\circ∘ 表示 Hadamard积,即矩阵按位乘(matlab的点乘)。
2. 推导过程
令S=XW∘D˘S=XW \circ \breve{D}S=XW∘D˘,则
f(W)=∥(XW∘D˘)B∥F2=∥SB∥F2=tr(SBBTST)(1) f(W)=\|(XW \circ \breve{D})B\|_F^2 \\ = \|SB\|_F^2 \\ =tr(SBB^TS^T) \tag{1} f(W)=∥(XW∘D˘)B∥F2=∥SB∥F2=tr(SBBTST)(1)
由于有∂tr(XBXT)∂X=XBT+XB,(2)\frac{\partial{tr(XBX^T)}}{\partial{X}}=XB^T + XB \tag{2}, ∂X∂tr(XBXT)=XBT+XB,(2)
所以
∂f∂S=SBBT+SBBT=2SBBT(3) \frac{\partial{f}}{\partial{S}}=SBB^T + SBB^T=2SBB^T \tag{3} ∂S∂f=SBBT+SBBT=

本文通过三个具体实例,详细解析了标量对矩阵求导的过程,包括F范数平方的求导、矩阵差的F范数平方求导及涉及点乘运算的矩阵表达式的求导。
最低0.47元/天 解锁文章
1356





