[Arşiv] Ticaretle ilgisi olmayan saf matematik, fizik, kimya vb. beyin jimnastiği bulmacaları - sayfa 561

Yeni yorum
 
Bir ortonormal küme oluşturmak için bir tür standart prosedür vardır. Ya Lagrange ya da başka biri. Peki, sorunu çözdüyseniz ve hatta kanıtladıysanız, o zaman neden bahsediyoruz ...
 
Mathemat :
Bir ortonormal küme oluşturmak için bir tür standart prosedür vardır. Ya Lagrange ya da başka biri. Peki, sorunu çözdüyseniz ve hatta kanıtladıysanız, o zaman neden bahsediyoruz ...

Yooo!!! Varsa - yayalım! Çok ilginç, bulamadım.

Hedef problemi çözme hızını etkileyebileceğinden farklı yollarla ilgilenirler.

 
tara :

Mantıken. Nasıl para kazanacağız?

Forex!
 
MetaDriver : !!! Varsa - yayalım! Çok ilginç, bulamadım.

Valla ben daha derinlemesine incelemedim. Gram-Schmidt süreci , lineer cebirde geçiyor gibi görünüyor. Veya ikinci dereceden formlarda.

Anladığım kadarıyla ilk adımdan değil başlamak yeterli. Bir ispatı ve geometrik yorumları vardır.

OpenCL işlevlerinde bu işlem için yerel bir şey olması gerektiğine dair bir şüphem var.

 

Sıralı dikleştirme yöntemi aşağıdaki kod parçacığında görülebilir. Gradyan, temel vektörler üzerindeki izdüşümlerin çıkarıldığı rastgele bir vektördür. Temel, tek boyutlu Sarray dizisinde bulunur. Tüm diziler global olarak bildirilir. Süreç, bence, yorumlardan açık.

 //+------------------------------------------------------------------+
//|  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 пуст
       for (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 базиса
             break ;
         }
//       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 записи
       for (j = 0 ; j < NeuroCellDim; j++)   // записываем новый орт в базис
      {
         Sarray[index] = Gradient[j]; 
         index++;
      }      

   return (err);
}
//+--- OrthogonalProjection End -------------------------------------+
 

İnsanlar, söyle bana. Kayboldum. Görev aşağıdaki gibidir: doğrusal regresyonla çok iyi tahmin edilen bir veri örneği var (bağımsız değişken örnek sayısıdır).

Grafik, doğrusal bir regresyon denklemini göstermektedir. Örnekten alınan verileri örnek değişmez olacak şekilde dönüştürmek istiyorum. Denklemin serbest terimini seçmek için aritmetik işlemleri kullanmaya ve örnekten gelen verileri bu değere getirmeye çalıştım. Ancak başlangıçta, istenen seviyenin asimptotuna giden 0,7, 0,46 vb. Düzeyde böyle bir tepe vardı. Bu zirve başlangıçta nereden geldi? Formül değiştirilerek kaldırılabilir mi?

Her ihtimale karşı Excel eklenmiştir.

Dosyalar:
eurusd60-reg.zip  51 kb
 
alexeymosc :

İnsanlar, söyle bana. Kayboldum. Görev aşağıdaki gibidir: doğrusal regresyonla çok iyi tahmin edilen bir veri örneği var (bağımsız değişken örnek sayısıdır).

Grafik, doğrusal bir regresyon denklemini göstermektedir. Örnekten alınan verileri örnek değişmez olacak şekilde dönüştürmek istiyorum. Denklemin serbest terimini seçmek için aritmetik işlemleri kullanmaya ve örnekten gelen verileri bu değere getirmeye çalıştım. Ancak başlangıçta, istenen seviyenin asimptotuna giden 0,7, 0,46 vb. Düzeyde böyle bir tepe vardı. Bu zirve başlangıçta nereden geldi? Formül değiştirilerek kaldırılabilir mi?

Her ihtimale karşı Excel eklenmiştir.

Eh, başka çözüm yoksa, bir çözüm arayarak, denklemin serbest teriminin değerini aldım, zaten yeni bir seri ile (orijinalden türetilmiş ve değişmez olması gereken) R ^ 2'yi en aza indirgedim. yani, neredeyse lineer yaptım. Görünüşe göre sorun, orijinal verilerin mükemmel bir şekilde doğrusal olmamasıdır ...
 
alexeymosc :

İnsanlar, söyle bana. Kayboldum. Görev aşağıdaki gibidir: doğrusal regresyonla çok iyi tahmin edilen bir veri örneği var (bağımsız değişken örnek sayısıdır).

Grafik, doğrusal bir regresyon denklemini göstermektedir. Örnekten alınan verileri örnek değişmez olacak şekilde dönüştürmek istiyorum. Denklemin serbest terimini seçmek için aritmetik işlemleri kullanmaya ve örnekten gelen verileri bu değere getirmeye çalıştım. Ancak başlangıçta, istenen seviyenin asimptotuna giden 0,7, 0,46 vb. Düzeyde böyle bir tepe vardı. Bu zirve başlangıçta nereden geldi? Formül değiştirilerek kaldırılabilir mi?

Her ihtimale karşı Excel eklenmiştir.

Pekala, bu sadece bir şey anlamına gelir - bağıl yaklaşım hatası ne kadar büyükse, X (ve Y o kadar küçük) aslında, küçük bir sayıyı başka bir küçük sayıya bölerken ne bekliyordunuz? X' = X+100 değişkenini değiştirmeye çalışın ve 0 ile 300 arasında değil, 100 ile 400 arasında yeni bir seri oluşturun - grafik çok daha düz olacak, ancak bu konunun özünü değiştirmeyecek
 

1.

Mislaid 03/10/2012 05:46 AM Sıralı dikleştirme yöntemi aşağıdaki kod parçasında görülebilir. Gradyan rastgele bir vektördür

matematik :

1. Şey, henüz derinlemesine araştırmadım. Gram-Schmidt süreci , lineer cebirde geçiyor gibi görünüyor. Veya ikinci dereceden formlarda.

Anladığım kadarıyla ilk adımdan değil başlamak yeterli. Bir ispatı ve geometrik yorumları vardır.

2. OpenCL işlevlerinde bu işlem için yerel bir şey olması gerektiğine dair bir şüphem var.

1. 1. Mislaid'e, Mathemat,

Ve burada ve orada her yerde aynı şey - dün kendim tasarladığım aynı süreç. Önceki vektörlerde vektör projeksiyonlarının sıralı olarak çıkarılması.

Bugünlerde kendimi bir klasik gibi hissediyorum.... :-))

--

Bu arada, geceleri test senaryosunu kaldırdım ve hatalarını ayıkladım. Yol boyunca, Pyatyora optimize edicide bir hata buldum ve servis masasına gönderdim. Kod biraz değiştirilerek hata atlandı. Yani her şey çalışıyor. Güvenilir ve hızlı, tam ihtiyacım olan şey.

2. openCL'de gerçekten var, ama sadece üç boyutlu durum için. [çapraz(a, b); verilen ikiye ortogonal bir vektör oluşturur ] Ve buna keyfi bir boyut için ihtiyacım var.

 
Svinotavr :
Sana gerçekten yardım ettim. SEG üreteci ile ilgili tüm paylaşımlarımı kaldırdım, gerçekten çalışan bir kurulumu olan bir video bile yüklemedim. Öyleyse neden 8 sayfa uzunluğundaki tüm bu "ortogonal\vektör badyaga"ya ihtiyacınız var?

Evet, yardımınız paha biçilemez. Sana borçluyum. bölmek zorunda kalacak.

Bu, kendi kendine yazılan optimize edicinin verimliliğini artırmak için gereklidir - dejenere kümeye ortogonal gen popülasyonuna toplu enjeksiyon için. Genetik algoritma durmaya başladığında, içindeki genlerin potansiyel olarak lineer bağımlılığa yatkın hale geldiği anlamına gelir (çünkü çaprazlama zaten neredeyse yalnızca "akrabalar" kümesi içindedir). Böyle bir oyuna sokma (sonraki geçişle birlikte) "yeni kan" savunmalarının popülasyonunu tazeleyebilir ve arama alanını genişleterek yerel minimumlara yapışmayı önleyebilir.

// Biraz daha incelik var ama zaten çok gizli. Israr etmemek daha iyi. Eğer söylersem seni öldürmek zorunda kalırım.

1...554555556557558559560561562563564565566567568...628
Yeni yorum
Neden: