//+------------------------------------------------------------------+//| в массиве Sarray записан ортонормированный базис из k векторов |//| размерности NeuroCellDim каждый |//| строится ортогональная проекция вектора Gradient на базис |//| в случае успеха проекция нормируется |//| и добавляется в базис, если позволяет признак записи: write > 0 |//+------------------------------------------------------------------+int OrthogonalProjection(int k, int write)
{
int i, j, err = 0, index = 0;
double Alpha;
if (k > 0) // если k>0, то базис не пустfor (i = 0; i < k; i++)
{
for (j = 0; j < NeuroCellDim; j++)
{
InputX[j] = Sarray[index]; // извлекаем i-й орт в InputX
index++;
}
Alpha = ScalarProduct( Gradient, InputX); // скалярное произведение, cos(Gradient, InputX)if (Alpha > 1.0 - delta) // если cos() = 1
{
err = -1; // считаем, что такой вектор линейно зависим от векторов базисаbreak;
}
// Gradient := Gradient - Alpha * InputX с нормировкой
AddVektors( Gradient, InputX, -Alpha); // орт к базису из i+1 векторов
}
if (err >= 0 && write > 0) // если существует проекция и позволяет признак записиfor (j = 0; j < NeuroCellDim; j++) // записываем новый орт в базис
{
Sarray[index] = Gradient[j];
index++;
}
return(err);
}
//+--- OrthogonalProjection End -------------------------------------+
眠い、眠い。
直交集合を構成するための標準的な手順があるようです。ラグランジュか何かのどちらかです。よし、問題を解決して証明したのなら、何を話してもいいはずだ......。
ダメダメダメ!!!(笑 もしあったら、どんどん投稿してください。 非常に興味深い、私は見つけていない。
対象問題の解決速度に影響を与える可能性があるため、さまざまな方法で興味を持つ。
理にかなっている。何で儲けるか?
そうですね......まだあまり掘り下げてはいないのですが。グラム・シュミット法、線形代数にありますね。二次関数形式でもいい。
私が理解する限り、まずはこれで十分であり、最初の一歩にはならない。そこにも証明があり、幾何学的な補間もある。
OpenCLの関数に、この処理のためのネイティブな何かがあるはずだ、そんな疑念を抱いています。
直列直交化の方法は、以下のコードで見ることができます。勾配は、基底ベクトルへの投影を取り除いたランダムなベクトルである。基底は1次元配列Sarrayに配置される。すべての配列はグローバルに宣言されています。その流れは、コメントを見れば一目瞭然だと思います。
みんな、ヒントをくれ。迷っています。ここで問題です:線形回帰(独立変数 - 参照番号)で非常によく近似されるデータのサンプルがあります。
グラフは直線回帰式を示している。サンプルからのデータを、カウント数に対して不変になるように変換したい。算術演算で方程式の自由項を選び、サンプルのデータをこの値に変換してみました。しかし、当初は0.7、0.46などのレベルにピークがあり、必要なレベルの漸近線に向かうというものでした。この冒頭のピークは、どこから来たのでしょうか?配合を変えることで除去できるのでしょうか?
念のためExcelを添付します。
みんな、ヒントをくれ。迷っています。ここで問題です:線形回帰(独立変数 - 参照番号)で非常によく近似されるデータのサンプルがあります。
グラフは直線回帰式を示している。サンプルからのデータを、カウント数に対して不変になるように変換したい。算術演算で方程式の自由項を選び、サンプルのデータをこの値に変換してみました。しかし、当初は0.7、0.46などのレベルにピークがあり、必要なレベルの漸近線に向かうというものでした。この冒頭のピークは、どこから来たのでしょうか?配合を変えることで除去できるのでしょうか?
念のためExcelを添付します。
みんな、ヒントをくれ。迷っています。ここで問題です:線形回帰(独立変数 - 参照番号)で非常によく近似されるデータのサンプルがあります。
グラフは直線回帰式を示している。サンプルからのデータを、カウント数に対して不変になるように変換したい。算術演算で方程式の自由項を選び、サンプルのデータをこの値に変換してみました。しかし、当初は0.7、0.46などのレベルにピークがあり、必要なレベルの漸近線に向かうというものでした。この冒頭のピークは、どこから来たのでしょうか?配合を変えることで除去できるのでしょうか?
念のためExcelを添付します。
1.
Mislaid 2012.03.10 05:46一貫した直交化の方法は、以下のコードで見ることができます。勾配はランダムなベクトル
1. まあ、まだ本腰は入れてないんですけどね。グラム・シュミット 過程は、線形代数で習いますね。二次関数形式でもいい。
私が理解する限り、最初の一歩を踏み出すだけではダメなんですね。そこにも証明があり、幾何学的な補間もある。
2. OpenCLの関数には、この処理を行うためのネイティブなものがあるはずだと直感しています。
1. 1.ミスリードへ、 Mathematics,
ここもあそこも、どこも同じです。昨日、自分でエンジンをかけたのと同じプロセスです。 過去のオルソに投影されたベクトルを連続的に減算する。
こういう日があると、クラシックな気分になりますね...。 :-))
--
ちなみに、テストスクリプトはすでに昨晩作ってデバッグしています。また、オプティマイザーのバグを発見し、servicedeskに送りました。 コードを少し変更することでバグを回避しました。だから、すべてがうまくいくのです。信頼性が高く、迅速で、まさに私が必要としていたものです。
2. OpenZLには本当にあるのですが、3次元の場合だけです。[cross(a, b); 与えられた2つに直交するベクトルを構築する ] 任意の次元で必要です。