Algoritmo :: Curvefit. algoritmo :: Curvefit - encaixe dos mínimos quadrados não lineares.
Baixe Agora

Algoritmo :: Curvefit. Classificação e resumo

Algoritmo :: Curvefit. Tag

Módulo Perl. ao menos Nonlinear Least Quadrados de montagem Não linear

Algoritmo :: Curvefit. Descrição

Algoritmo :: Curvefit - encaixe dos mínimos quadrados não lineares. Algoritmo :: Curvefit - não linear menos quadrados encaixotando.Synopsisuse Algoritmo :: Curvefit; # Forma conhecida da fórmula Minha $ Fórmula = 'C + A * x ^ 2'; minha $ variável = 'x'; meu @xdata = read_file ('xdata'); # Os dados correndo para $ variável meu @ydata = read_file ('ydata'); # Os dados no outro eixo Meus @parameters = (# Nome Adivinhe a precisão , # Se uma iteração introduz menor , # altera que a precisão, final. ); meu $ max_iter = 100; # iterações máximas meu $ square_residual = algoritmo :: curvefit-> curva_fit (fórmula => $ fórmula, # pode ser uma matemática :: Árvore simbólica em vez de params => @parameters, variável => $ variável, xdata => @xdata, ydata => @ydata, maximum_iterations => $ max_iter,); Use dados :: dumper; Imprimir dumper @parameters; # Imprime # $ var1 = , # #] ; # # Valores reais dos parâmetros (como demonstrado por dados de entrada barulhentos): # a = 0,2 # c = 2algoritmo :: curvepé implementa um algoritmo de encaixe menos quadrados não linear. Isso significa que se encaixa uma curva de forma conhecida (semelhantes a seno, exponencial, polinomial de grau n, etc.) a um determinado conjunto de pontos de dados. Para detalhes sobre o algoritmo e suas capacidades e falhas, você é encorajado a ler A página Mathworld referenciada abaixo. Note, no entanto, que é um algoritmo iterativo que melhora o ajuste a cada iteração até que seja convergente. A seguinte regra geralmente é verdadeira: um bom palpite melhora a probabilidade de convergência e a qualidade do ajuste.inging O número de parâmetros livres diminui a velocidade de qualidade e convergência. Certifique-se de que não há parâmetros correlacionados, como em 'A + B * e ^ (C + X) ». (O exemplo pode ser reescrito como 'A + B * e ^ c * e ^ no qual' C 'e' B 'são basicamente parâmetros equivalentes.O algoritmo de montagem de curva é acessado através da sub-rotina' curva_fit '. Requer o seguintes parâmetros como 'Key => Value' pares: fórmula de formulathe deve ser uma string que pode ser analisada por matemática: simbólica. Alternativamente, pode ser uma matemática existente :: Árvore simbólica. Por favor, consulte a documentação desse módulo para o Sintax.Avaliação da fórmula para um valor específico da variável (X-Data) e os parâmetros (veja abaixo) deve produzir o valor de dados Y associados em caso de ajuste perfeito.Variablethe 'variável' é a variável na fórmula que será substituído pelos pontos de dados X para avaliação. Se omitido na chamada para curva_fit, o nome 'x' é padrão. (daqui 'xdata'.) parâmetros Os parâmetros são os símbolos na fórmula cujo valor é variado pelo algoritmo Para encontrar o melhor ajuste da curva para os dados. Pode haver um ou mais parâmetros, mas por favor tenha em mente que o número de parâmetros não só aumenta o tempo de processamento, mas também diminui a qualidade do ajuste. O valor dessas opções deve ser uma matriz anônima. Esta matriz deve conter uma matriz anônima para cada parâmetro. Essa matriz deve segurar (em ordem) um nome de parâmetro, uma adivinhação inicial e, opcionalmente, uma medida de precisão.Exemplo: $ params = , , .. .]; Em seguida, posterior: curve_fit (... params => $ params, ...); a medida de precisão significa que, se a mudança de parâmetros de uma iteração para a próxima estiver abaixo de cada medida de precisão para cada parâmetro, a convergência é assumida e o algoritmo Pare de iterating.in para evitar loop para sempre, você é fortemente encorajado a fazer uso da medida de precisão (veja também: Maximum_iterations). O conjunto final de parâmetros não é retornado da sub-rotina, mas os parâmetros são modificados no local. Isso significa que a estrutura de dados original manterá a melhor estimativa dos parâmetros.xdatathis deve ser uma referência de matriz para uma matriz que mantenha os dados para a variável da função. (O qual o padrão de 'x'.) YdataThis deve ser uma matriz de referência para uma matriz que prende os valores de função correspondentes aos valores de x em 'parâmetro xdata'.maximum_iterationsOptional para fazer parar o processo após um determinado número de iterações. Usando a medida precisão e esta opção junto é encorajado a evitar que o algoritmo de entrar em um loop infinito de alguma sub-rotina casos.A retorna a soma dos resíduos quadrados após a iteração final como uma medida para a qualidade dos fit.Requirements: · Perl requisitos: · Perl.

Algoritmo :: Curvefit. Software Relacionado