الخوارزمية :: Curvefit. الخوارزمية :: Curvefit - غير الخطية المربعات المرحلية.
التحميل الان

الخوارزمية :: Curvefit. الترتيب والملخص

الخوارزمية :: Curvefit. العلامات

الوحدة النمطية بيرل الأقل غير الخطية الأقل المربعات المناسب غير الخطية

الخوارزمية :: Curvefit. وصف

الخوارزمية :: Curvefit - غير الخطية المربعات المناسب. خوارزمية :: CONDVEFIT - غير الخطية المربعات الصغرى. الخوارزمية. # الشكل المعروف لصيغة بلدي $ صيغة $ = 'C + A * X ^ 2'؛ بلدي متغير $ = 'x'؛ بلدي exdata = read_file ('xdata')؛ # تعبئة البيانات إلى متغير $ MyData = read_file ('ydata')؛ # البيانات الموجودة على المحور الآخر الخاص بي myparameters = (# اسم تخمين اسم ، # إذا قدم التكرار أصغر ، # التغييرات التي تغير الدقة، والنهاية. ) بلدي $ max_iter = 100؛ # أقصى استقلالات بلدي square_residuation = الخوارزمية :: curvefit-> curvefit-> curve_fit (الصيغة => $ الصيغة، # قد تكون شجرة رمزية للرياضيات:> parameters، المتغير => $ variable، xdata => @ @ data، ydata => @ hdata، الحد الأقصى_iteration => $ max_iter،)؛ استخدم البيانات :: Dumper؛ طباعة النمر barameters؛ # المطبوعات # $ var1 = ، # #] #] #] #] ؛ # # القيم الحقيقية للمعلمات (كما هو موضح من قبل بيانات الإدخال الصاخبة): # A = 0.2 # C = 2 من أذكياء :: curvefit ينفذ خوارزمية تركيب المربعات المربع غير الخطية. وهذا يعني أن ذلك يناسب منحنى شكل معروف (مثل الغريب، والرضونية، متعدد الحدود من درجة ن، وما إلى ذلك) إلى مجموعة معينة من نقاط البيانات. تفاصيل حول الخوارزمية وقدراتها وعيوبها، وتشجعك على القراءة تمت الإشارة إلى صفحة MathWorld أدناه. ملاحظة، ومع ذلك، أنها خوارزمية تكرارية تعمل على تحسين الملاءمة مع كل التكرار حتى تتقارب. تعقد قاعدة الإبهام التالية عادة: تخمين جيد يحسن احتمال التقارب ونوعية الملائم. يقلل من عدد المعلمات الحرة على تقل سرعة الجودة والتقارب. تأكد من عدم وجود معلمات مرتبطة مثل " + B * E ^ (C + X) '. (يمكن إعادة كتابة المثال "A + B * E ^ c * e ^ x" التي "C" و "B" معلمات مكافئة بشكل أساسي. يتم الوصول إلى خوارزمية المنحنى المنحنى عبر روتين "Curve_fit". يتطلب معلمات التالية ك "مفتاح => Value 'Pairs: يجب أن تكون صيغة Formulathe سلسلة يمكن تحليلها بواسطة Math :: Smemberic. بدلا من ذلك، يمكن أن يكون الشجرة الرياضيات الحالية :: رمزية. يرجى الرجوع إلى وثائق تلك الوحدة Syntax.Evaluation من الصيغة لقيمة محددة للمتغير (X-Data) والمعلمات (انظر أدناه) يجب أن تسفر عن قيمة بيانات Y مرتبطة في حالة Perfect.VariaBlethe "المتغير" هو المتغير في الصيغة التي سيتم استبدال نقاط بيانات X للتقييم. إذا تم حذفها في الدعوة إلى curve_fit، فإن الاسم 'x' هو الافتراضي. (وبالتالي 'xdata'.) paramsthe المعلمات هي الرموز في الصيغة التي تنوع قيمتها بواسطة الخوارزمية للعثور على أفضل ملاءمة المنحنى إلى البيانات. قد يكون هناك معلمة واحدة أو أكثر، ولكن يرجى مراعاة في الاعتبار أن عدد المعلمات لا يزيد فقط من وقت المعالجة، ولكن أيضا يقلل أيضا من جودة الملاءمة. يجب أن تكون قيمة هذه الخيارات صفيف مجهول. يجب أن تحمل هذه الصفيف صفيف مجهول واحد لكل معلمة. يجب أن تعقد هذه الصفيف (بالترتيب) اسم المعلمة، تخمين الأولي، واختياريا قياس الدقة. example: params $ = ، .. .]؛ ثم لاحقا: Curve_fit (... Parove_fit (... Params => $ Params، ...) قياس الدقة يعني أنه إذا كان تغيير المعلمات من التكرار من التكرار إلى التالي هو أقل من إجراء دقة لكل معلمة، فإن التقارب يفترض وخلع الخوارزمية توقف التكرار. من أجل منع الحلقات إلى الأبد، يتم تشجيعك بشدة على الاستفادة من قياس الدقة (انظر أيضا: الحد الأقصى للمعلمات). لم يتم إرجاع المجموعة النهائية للمعلمات من الروتين الفرعي ولكن المعلمات المعدلة في المكان. هذا يعني أن هيكل البيانات الأصلي ستحتفظ بأفضل تقدير للمعلمات. يجب أن يكون exdatathis مرجع صفيف إلى صفيف يحمل البيانات الخاصة بمتغير الوظيفة. (التي الافتراضية إلى 'x'.) يجب أن يكون ydatathis مرجع صفيف إلى مجموعة تحمل قيم الوظيفة المقابلة لقيم X في "XDATA'.Maximum_iterationsoptional لتجعل العملية تتوقف بعد عدد معين من التكرارات. باستخدام مقياس الدقة ويتم تشجيع هذا الخيار معا على منع الخوارزمية من الخوارزمية من الحلقة التي لا نهاية لها في بعض الحالات. عودة الروتين الفرعي مجموع المتبقية المربعة بعد التكرار النهائي كتدبير لجودة تناسبها. متطلبات: perl.

الخوارزمية :: Curvefit. برامج ذات صلة