19 virtual Eigen::VectorXd
inverse_eval(
const Eigen::VectorXd &
y);
21 virtual int size(
const int x_size)
const = 0;
22 virtual Eigen::VectorXd
eval(
const Eigen::VectorXd &
x)
const = 0;
23 virtual Eigen::VectorXd
apply_jacobian(
const Eigen::VectorXd &grad_full,
const Eigen::VectorXd &
x)
const = 0;
33 Eigen::VectorXd
inverse_eval(
const Eigen::VectorXd &
y)
override;
35 int size(
const int x_size)
const override;
36 Eigen::VectorXd
eval(
const Eigen::VectorXd &
x)
const override;
37 Eigen::VectorXd
apply_jacobian(
const Eigen::VectorXd &grad_full,
const Eigen::VectorXd &
x)
const override;
int size(const int x_size) const override
virtual ~CompositeParametrization()
Eigen::VectorXd apply_jacobian(const Eigen::VectorXd &grad_full, const Eigen::VectorXd &x) const override
Eigen::VectorXd inverse_eval(const Eigen::VectorXd &y) override
const std::vector< std::shared_ptr< Parametrization > > parametrizations_
CompositeParametrization(std::vector< std::shared_ptr< Parametrization > > &¶metrizations)
CompositeParametrization()
Eigen::VectorXd eval(const Eigen::VectorXd &x) const override
This parameterize a function f : x -> y and provides the chain rule with respect to previous gradient...
virtual int size(const int x_size) const =0
virtual Eigen::VectorXd eval(const Eigen::VectorXd &x) const =0
virtual Eigen::VectorXd inverse_eval(const Eigen::VectorXd &y)
virtual ~Parametrization()
virtual Eigen::VectorXd apply_jacobian(const Eigen::VectorXd &grad_full, const Eigen::VectorXd &x) const =0