derappoximator. وحدة بيثون لمشتقات الاختلافات المحدودة
التحميل الان

derappoximator. الترتيب والملخص

derappoximator. العلامات

مكتبة بيثون بيثون تقريب المشتقات تقريب المشتقات

derappoximator. وصف

وحدة بيثون لتقريب المشتقات الاختلافات المحدودة Derapproximator عبارة عن مكتبة بيثون للاختلافات المحدودة المشتقات التقريبية تقريبا. عبارة عن حزمة صغيرة غير مهمة للحصول على / التحقق من المشتقات (حاليا 1 فقط)، المستخرجة من إطار OpenOpt لتكون وحدة بيثون مستقل. يتطلبه FUNCDESIGNER (للحصول على مشتقات Oofun خارج المجموعة القياسية دون إجراء إجراءات لإسعاها مباشرة) وبعض الحلول OpenOpt (عند وجود بعض الوظائف دون مشتقات قام بها المستخدم). متطلبات الحزمة (وكذلك بالنسبة إلى OpenOpt و FunctSigner) هي Numpy and Python-Setuptools.Curly حاليا يوفر 2 وظائف فقط - Get_d1 و Check_d1. اثنين من الوسائط المطلوبة للحصول على get_d1 و check_d1 هي func المعنية والنقطة التي يجب الحصول عليها / فحص المشتقات. إذا كان المستخدم يوفر قائمة بيثون (كقطة بداية)، يتم تلقائيا تلقائيا على صفيف Numpy. * Get_d1 إرجاع المشتقات الأول من Func F: R ^ n -> r ^ mexample: من derappoximator استيراد * print get_d1 (lambda x: (x ** 2) .sum ()، ) طباعة get_d1 (lambda x: x ** 2، ) الناتج المتوقع: ] * check_d1 يتحقق من التوجيه المقدمة من المستخدم للحصول على المشتقات الأولى من عامل الوظائف: من استيراد numpy * من derappoximator استيراد * func = lambda x: (x ** 4) (x ** **) x = arrange (1.0، 6.0) r = check_d1 (func، func_d، x) المتوقع الإخراج: func num-quordial- 4000e + 4.000e + 01 + 4.000E + 0031 + 3.200E + 02 + 3.200E + 0132 + 1.080E + 03 + 1.080E + 0233 + 2.560E + 03 + 2.560E + 0234 + 5.000E + 03 + 5.000E + 023MAX (ABS (d_user - d_numerical)) = 4499.9999861 ( مسجل في Func Number 4) Func Num I، J: DFUNC / DX عدد المستخدمين العددية RD00/0 + 4.000E + 01 + 4.000E + 00361/1 + 3.200E + 02 + 3.200E + 013122/2 + 1.080E + 03 + 1.080E + 023183 / 3 + 2.560E + 03 + 2.560E + 023244/4 + 5.000e + 03 + 5.000E + 023Max (ABS (D_USER - D_NUMERICAL)) = 4499.9999861 (مسجل في Func Number 24) * Default Diffint هو 1.5E -8، يمكنك الكتابة فوقها بواسطة وسيطة "diffint" للحصول على get_d1 و check_d1. حجة أخرى واحدة هي الاستنسل، القيمة الافتراضية 2 ل derappoximator، funcdesigner و openopt nsp هو 2، أي (f (x + diffint) -f (x-diffint)) / (2 * diffint)، ل OpenOpt NLP الافتراضي هو 1، أي (f (x + diffint) -f (x)) / diffint.example: من استيراد numpy * من derappoximator استيراد get_d1func = lambda x: (x ** 4) .sum () x = arange (1.0، 6.0) r1 = Get_d1 (func، x، الاستنسل = 1، diffint = 1e-5) الطباعة (r1) r2 = get_d1 (func، x، الاستنسل = 2، diffint = 1E-5) الإخراج المتوقع (R2) الناتج المتوقع: * إذا اتضح أن f (x + diffint) نان (ليس عددا) أو f (x-diffint) نان، من جانب واحد فقط ستشارك في العمليات الحسابية. BTW هذا هو وضع نموذجي للكثير من مشاكل التحسين العددية، والوظائف حاليا تقريبا_fprime و check_grad من SCIPY.Optimize هي أكثر بدائية - لديهم استنسل واحد فقط وعدم التعامل مع Nans. متطلبات: بيثون numpy.

derappoximator. برامج ذات صلة