주어진 (가능한 경우 비선형) 함수 f가 항상 양수인지 확인하는 알고리즘이 있습니까? 내가 현재 가지고있는 아이디어는 newton-raphson 알고리즘이나 유사한 기술을 사용하여 (http://en.wikipedia.org/wiki/Root-finding_algorithm 참조) 파생물을 확인하거나 f의 최소값을 찾는 것입니다.하지만 그들은 보이지 않습니
나는 R/S/비선형 회귀와 관련된 문제가 있으며 R 프로그래머가 아니기 때문에 도움이 필요하다. 두 배열 - tt와 td가 있습니다. 나는 최소 제곱의 합이 비선형 함수에 대한 최소한 있도록, b와 c 매개 변수를 찾을 필요가 : td/tt - a * exp(b * tt) + c
나는이 작업을 수행하는 방법을 모르겠어요. 나는 nls() 함수를 시도,
A이라는 101x82 크기의 매트릭스가 있습니다. 1) B하는 1x1 스칼라 및 2) C하는 50x6 행렬이 변수 행렬을 이용하여, I라는 두 개의 다른 변수를 계산한다. 3) D하는 1x1 스칼라 및 4) E하는 50x6 매트릭스 : 난 1) 및 2) 그들의 유사체 변수 3) 및 4), 값 고정과 비교한다. 는 지금, 나는/교란 있도록, A 행렬의 값을
변수 수가 제한 조건 수를 초과하는 비선형 문제를 해결해야하는 경우가 있습니다. 일반적으로 일부 제약 조건 또는 변수는 복잡한 방식으로 중복됩니다. 그러한 문제를 해결할 방법이 있습니까? 대부분의 scipy solver는 제약 조건의 수가 변수의 수와 같고 Jacobian은 정칙이라고 가정합니다. leastsq 가끔은 작동하지만 제약 조건이 변수 수보다 적
Rn에서 함수/n의 최소값을 찾는 알고리즘이 있습니다. 그리고 저는 단원 큐브 이미지의 형태로 주어지는 제한적인 다양성을 가지고 있습니다. 단일 큐브 내부 공간을 Rn에 매핑하는 것이 중요하며, 그 반대의 경우도 마찬가지입니다. 모든 좌표에 적용되는 unar 함수 from_R_to_01을 사용하여 수행 할 수 있습니다. 내가 원하는 것은 내 목표 함수 F를
fsolve을 사용하여 MATLAB의 에너지 함수를 최소화합니다. 내가 사용하고있는 알고리즘은 각 데이터 포인트에서 그리드 거리에 대한 비용과 함께 잡음이있는 격자 데이터에 대한 격자에 맞습니다. 목적 함수는 Gauss–Newton algorithm을 사용할 수 있도록 제곱 오류 항으로 공식화됩니다. 그러나,이 프로그램은 개의 Levenberg-마르카토로
나는 간단한 최적화 문제가 있고 그것을위한 자바 소프트웨어를 찾고있다. 아파치 수학 최적화 소프트웨어 단지 내가 원하는하지만 난 내 요구에 맞게 문서를 찾을 수 없습니다 것 같습니다 (이러한 요구는 초보자에게 유용에/비 수학 전문!) 사람은 가공 한 알고 있나요 , 간단한 예? 이 도움이 경우, 문제는 내가 변수 사이의 관계를 정의하기위한 몇 가지 제약과
모션 응용 프로그램의 구조체에서 작업 중이며 객체의 까다로운 구조를 결정하기 위해 객체에 배치 된 여러 마커를 추적하고 있습니다. 이 앱은 기본적으로 여러 카메라보기에서 표준 Levenberg-Marquardt 최적화를 사용하고 각보기에서 2D로 얻은 예상 마커 점과 마커 점 간의 차이를 최소화합니다. 각 마커 포인트 각각은 다음 함수 최소화 볼 : cal