问题标签 [levenberg-marquardt]

我正在使用 Eigen 的 Levenberg-Marquardt 实现，想知道如何为应该优化的参数设置一些界限。

当我将一些 GNU octave 程序迁移到 Eigen 时，我预计可能会有一些边界可以很容易地作为模块的参数提供。

我实现的布局与本示例中的几乎相同。我没有提供 df() 实现，而是使用 Eigen::NumericalDiff 来近似它。

那么如何对提供给最小化（）的参数实施一些限制？当离开我的预期范围时，我考虑过将 operator() 中的错误（fvec）设置为一些较高的值，但在一些小型测试中，这导致了奇怪的结果。

一个项目需要 EmguCV/OpenCV 拼接类的某些部分，而无需运行完整的算法。特别是我对自动校准部分感兴趣。我尝试在 EmguCV 中执行的步骤之一是 OpenCV 拼接模块的 EstimateCameraParams 和“Bundle Adjustment Step”。

由于 EmguCV 中的 Stiching 无法访问 OpenCV Stitching 的子模块（需要配置，因此该类没有方法），我必须在 C#/EmguCV 中重新编码detail::BundleAdjusterBase（https://github.com/opencv/opencv/blob/master /modules/stitching/include/opencv2/stitching/detail/motion_estimators.hpp）。

大多数代码都可以，但我需要访问CvLevMarq.

我在 EmguCV 中没有找到任何 Levenberg-Marquardt 参考资料。

我错过了什么还是没有办法在 EmguCV 中调用 OpenCV 求解器？

我尽量不做算法的“BundleAdjuster”部分，但它允许通过自动校准获得纵横比或主点，这真的很有趣。

提前感谢您在此问题上的任何帮助。

我正在尝试通过使用 Rosenbrock 函数来了解如何nls.lm在 R 库minpack.lm中使用，以查看算法是否在 f(x,y) = (1,1) 处收敛到全局最小值。无论有没有分析雅可比行列式，我都会这样做。在这两种情况下，我都会收到一条警告，告诉我算法已决定将调用中指定的最大迭代次数恢复nls.lm为 1024：

由于我最初的猜测是 (-1.2, 1.0)，因此该算法永远不会完全达到 (1,1)。我在 GitHub 上找到了该库的源代码，以下代码行与此处相关：

https://github.com/cran/minpack.lm/blob/master/src/nls_lm.c

为什么最大迭代次数限制为 1024 是否有任何逻辑？有位和 2^10 的东西？我想将该库用于不同的应用程序，但是这个迭代上限可能会阻止这种情况。任何见解将不胜感激。

我目前正在使用nls.lmR 中的包来优化我的模型。据我从minpack.lm包裹的文档中了解到，只有标准的平方损失可以被接受作为退货。

优化提供的答案非常好并且相当快。但是，我对异常值的权重有疑问，因此想尝试使用 Hubers 损失函数来替代平方损失。我已经尝试了一些标准优化算法，例如 `optim 中的各种选项，但这些方法似乎对我的数据失败。全局优化也不能解决问题，因为我需要优化很多参数。

简而言之，我正在寻找一种优化方法，它允许自定义损失函数（非线性），它也接受初始参数猜测。R中是否有一种方法可以使用非线性迭代重新加权最小二乘法？像这样的东西：https ://en.wikipedia.org/wiki/Iteratively_reweighted_least_squares ？

希望有人可能知道一种方法，任何帮助都会受到好评:)

请注意，我无法分享我的数据/模型，因为不幸的是它们是更大项目的一部分

我能够成功运行levmar.test()，但是当我尝试运行 dlevmar_der（levmar C 头文件中的一个函数）时，它说该函数不包含 dlevmar_der。谁能指导我如何使用C 库是 python，以及在 python 中使用 C 库的头文件的步骤，我可以执行优化？

PS：Python 的内置函数没有给出令人满意的结果。

我有一组数据，x 和 y 值，具有 n 个拟合参数。我有一个已知的函数，并且以某种方式涉及 n 个拟合参数。有没有办法对函数进行编码，使其接受任意数量的拟合参数？

我正在尝试编写 levenberg-marquardt 算法以使参数适合数据。我如何使用 numpy 或 scipy 计算关于拟合参数的导数的 hessian 和 jacobian 矩阵？

我试过类似的东西

但是我不知道如何让 scipy 计算每个 P[i] 的梯度