[Archiv!] Reine Mathematik, Physik, Chemie usw.: Gehirntrainingsprobleme, die in keiner Weise mit dem Handel zusammenhängen - Seite 562
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Ich habe dir wirklich geholfen. Ich habe alle meine Beiträge über den SEG-Generator entfernt, ich habe nicht einmal ein Video von der eigentlichen Einrichtung hochgeladen. Wozu brauchen Sie also dieses ganze "orthogonale/vektorielle Durcheinander", das 8 Seiten lang ist?
Ja, Ihre Hilfe ist von unschätzbarem Wert. Ich schulde dir was. Ich muss loslegen.
Ich brauche sie, um die Effizienz des selbst geschriebenen Optimierers zu erhöhen - um Gene, die orthogonal zur entarteten Menge sind, massenhaft in die Population zu injizieren. Wenn der genetische Algorithmus ins Stocken gerät, bedeutet dies, dass die Gene in diesem Algorithmus potenziell zu einer linearen Abhängigkeit neigen (weil die Kreuzung fast ausschließlich innerhalb der Gruppe der "Verwandten" stattfindet). Eine solche Einfügung (mit anschließender Kreuzung) kann die Population mit "frischem Blut" auffrischen und den Suchraum erweitern, wodurch verhindert wird, dass die Population in lokalen Tiefpunkten stecken bleibt.
// Es gibt noch ein paar Feinheiten, aber sie sind schon zu geheimnisvoll. Sie sollten besser nicht darauf bestehen. Wenn ich dir von ihnen erzähle, muss ich dich danach töten.
1. 1. zu Mislaid, Mathemat,
Und hier und dort überall das Gleiche - der gleiche Prozess, den ich gestern selbst konstruiert habe. Die sequentielle Subtraktion von Vektorprojektionen auf vorherige Orthos.
An Tagen wie diesen fühle ich mich wie ein klassischer.... :-))
--
Übrigens habe ich das Testskript bereits gestern Abend erstellt und getestet. Dabei habe ich einen Fehler in der Pyramiden-Optimierung gefunden und ihn an den Service Desk geschickt. Ich habe den Fehler umgangen, indem ich den Code leicht geändert habe. Es funktioniert also alles. Es ist zuverlässig und schnell, genau so, wie ich es brauche.
2. In OpenZL gibt es tatsächlich eine, allerdings nur für den dreidimensionalen Fall. [cross(a, b); bildet Vektor orthogonal zu zwei gegebenen ] Ich brauche es für beliebige Dimensionen.
Weiter geht's. Das Skalarprodukt zweier Vektoren a[] und b[] ist die Summe der Produkte a[i]*b[i]*w[i], wobei w[i] die Gewichtsfunktion ist. Je nachdem, welche Gewichte wir angeben, erhalten wir Lösungen für verschiedene Probleme, die durch den universellen Algorithmus der sequentiellen Orthogonalisierung erhalten werden. (Das obige Beispiel konstruiert übrigens eine orthogonale Projektion auf einen über beliebige Vektoren gestreckten Unterraum). Im Fall w[i] = 1 handelt es sich um das Skalarprodukt von zwei Vektoren im kartesischen Raum.
Wenn Sie w[i] = r[i]*s[i] setzen, wobei
s[i] = 0,5/n, wobei i = 0, n;
s[i] = 1/n, bei 0 < i < n;
Dann ist das Skalarprodukt definiert als das Integral des Produkts der Funktionen a(x)*b(x)*r(x) auf dem Intervall [0;1], ausgedrückt in endlichen Differenzen.
Wenn das legal ist, dann können wir natürlich jede Regression in endlichen Differenzen ohne Stress erstellen.
Nur schien es mir, dass dies eine Sackgasse war. Und ich habe sie bestanden.
Nun, das bedeutet nur eines - der relative Fehler der Annäherung ist umso größer, je kleiner X (und Y) ist, aber was erwarten Sie, wenn Sie eine kleine Zahl durch eine andere kleine Zahl teilen? Versuchen Sie, die Variable X' = X+100 zu ändern und eine neue Reihe im Bereich von 100 bis 400 und nicht von 0 bis 300 zu zeichnen - das Diagramm wird viel gerader, aber es ändert nichts an der Sache
1. Fahren Sie fort. Das Skalarprodukt von zwei Vektoren a[] und b[] ist die Summe der Produkte a[i]*b[i]*w[i], wobei w[i] eine Gewichtsfunktion ist. Je nachdem, welche Gewichte wir angeben, erhalten wir Lösungen für verschiedene Probleme, die durch den universellen Algorithmus der sequentiellen Orthogonalisierung erhalten werden. (Übrigens konstruiert das obige Beispiel eine orthogonale Projektion auf einen Unterraum, der über beliebige Vektoren gestreckt ist). Im Fall w[i] = 1 handelt es sich um das Skalarprodukt von zwei Vektoren im kartesischen Raum.
Wenn wir w[i] = r[i]*s[i] setzen, wobei
s[i] = 0,5/n, bei i = 0, n;
s[i] = 1/n, bei 0 < i < n;
Dann ist das Skalarprodukt definiert als das Integral des Produkts der Funktionen a(x)*b(x)*r(x) auf dem Intervall [0;1], ausgedrückt in endlichen Differenzen.
Wenn dies zulässig ist, können Sie problemlos jede beliebige Regression erstellen, natürlich in endlichen Differenzen und ohne Stress.
2. ich hatte nur den Eindruck, dass es eine Sackgasse war. Und ich habe sie bestanden.
1. Sergey, es ist noch zu früh für mich, um weiter zu gehen. Wenn ich den kartesischen Raum besser beherrsche, werde ich mich mit dem funktionalen Raum beschäftigen. Aber es ist ein interessantes Thema, danke für den Beitrag. Sie werden lachen, aber es hat sich für mich als sehr informativ herausgestellt.
2. Es muss Zweifel an der Sackgasse geben, denn Sie schlagen vor, weiter zu gehen... :) Wenn überhaupt, dann weiß ich jetzt, wen ich als Führer auf diesem "Sackgassen"-Weg wählen kann. Ich meine es ernst, wenn Sie Fragen zu diesem Thema haben, werde ich sie stellen. Haben Sie etwas dagegen?
Es ist notwendig, die Effizienz des selbstgeschriebenen Optimierers zu erhöhen, indem man massiv Gene in die Population injiziert, die orthogonal zur entarteten Menge sind. Wenn der genetische Algorithmus ins Stocken gerät, bedeutet dies, dass die Gene in diesem Algorithmus potenziell zu einer linearen Abhängigkeit neigen (da die Kreuzung fast ausschließlich innerhalb der Gruppe der "Verwandten" stattfindet). Eine solche Einfügung (mit weiteren Überkreuzungen) kann die Population mit "neuem Blut" auffrischen und den Suchraum erweitern, indem verhindert wird, dass man in lokalen Tiefpunkten stecken bleibt.
Du hättest mich zuerst fragen sollen, bevor du nach orthogonalen mehrdimensionalen Vektoren suchst.... :)
Das hätte Ihnen Zeit gespart. Denn es wird Ihnen nicht helfen, ich meine, Sie brauchen es überhaupt nicht (ich meine orthogonale Vektoren).
Du hättest mich zuerst fragen sollen, bevor du nach orthogonalen mehrdimensionalen Vektoren suchst.... :)
Das hätte Ihnen Zeit erspart. Denn es wird Ihnen nicht helfen, ich meine, Sie brauchen es überhaupt nicht (ich meine orthogonale Vektoren).
Das glaube ich nicht. Ich wette, du legst sie einfach unter dein Kopfkissen und zeigst sie niemandem.
Oder Sie versuchen doch, geheime Spitzfindigkeiten zu erpressen. (Eine Variante des verdrehten Selbstmords.)
;)
Ich kann es nicht glauben. Ich wette, du legst sie einfach unter dein Kopfkissen und zeigst sie niemandem.
;)
Was für ein Unsinn.
Die mittelalterlichen arabischen Ziffern kommen der Form sehr nahe, in der sie von den Europäern aus höher entwickelten Ländern zusammen mit der Positionsnotation übernommen wurden.