A является 3D-N * N * L матрица, x является N * 1 вектор, на котором мне нужно сделать следующую операцию:Как сделать быстрое многомерное матричное векторное умножение?
for i=1:L
res(i)=x'*squeeze(A(:,:,i))*x
end
Я надеюсь использовать наиболее эффективный векторизованную метод вместо for петля. Пожалуйста, дайте мне несколько советов?
С bsxfun -
sum(reshape(bsxfun(@times,x,bsxfun(@times,A,x.')),[],L),1)
reshape(x*x.',1,[])*reshape(A,[],L)
N=10;L=5;
A = rand(N,N,L);x=rand(N,1);
C = sum(sum(bsxfun(@times,permute(bsxfun(@times,permute(A,[3 1 2]),reshape(x,[1 1 N])),[1 3 2]),reshape(x,[1 1 N])),2),2);
C = squeeze(C(:,1,:));
Благодаря @AndrasDeak, хотя вы сделали пропустить последний squeeze вызов.
Я очень удивлен, что это работает :) К сожалению (и, как ожидалось), ответ Дивакара гораздо более изящный. –
Это именно то, чего мы ожидали, конечно. Я попытался использовать 'permute (x, [4 3 1 2])', который начался правильно, но закончился в 4D-матрице, я не был уверен, как вернуть обратно в форму – Adriaan
Я предлагаю быть более конкретным: вам не требуется умножение матричных векторов, но вычисляется квадратичная форма. Но возможно, что для меня это только имеет значение :) –
Я не могу попробовать это прямо сейчас, но вы можете быть чем-то вроде 'sum (sum (bsxfun (@ times, permute (bsxfun (@ times, permute (A , [3 1 2]), reshape (x, [1 1 N])), [1 3 2]), reshape (x, [1 1 N])), 2), 2) ' –
@ J.Andrew Я вернул свой вопрос в прежнее состояние. Это связано с тем, что вы обновили свой вопрос, сделав оба ответа, в том числе тот, который вы приняли как «полезный» устаревший. Если у вас есть новый вопрос, пожалуйста, откройте новый вопрос, а не расширьте его. – Adriaan