| PDL :: FIT :: LM PDL :: FIT :: LM es una rutina de ajuste de Levenber-Marquardt para PDL. |
Descargar ahora |
PDL :: FIT :: LM Clasificación y resumen
- Licencia:
- Perl Artistic License
- Nombre del editor:
- Christian Soeller
- Sitio web del editor:
- http://search.cpan.org/~hbiersma/MQSeries-1.28-b/MQSeries/QueueManager.pm
PDL :: FIT :: LM Etiquetas
PDL :: FIT :: LM Descripción
PDL :: FIT :: LM es una rutina de ajuste de Levenber-Marquardt para PDL. PDL :: FIT :: LM es una rutina de ajuste de Levenber-Marquardt para PDL.currentemente, solo se implementa el ajuste de Levenberg-Marquardt. Se deben agregar otros procedimientos según sea necesario. Para obtener una visión general bastante concisa en el ajuste, consulte las recetas numéricas, el capítulo 15 "Modelado de datos" .Synopsis Use PDL :: FIT :: LM; $ ym = lmfit $ x, $ y, $ SIG, EXPFUN, $ A, {maxiter => 300}; FunctionslMfitlevenberg-Marquardt Función de una función de modelo suministrada por el usuario ($ ym, $ A, $ Covar, $ ITERS) = LMFIT $ x, $ y, $ SIG, EXPFUN, $ A, {maxiter => 300, eps => 1e-3}; opciones: maxiter: Número máximo de iteraciones Antes de renunciar a EPS: Citerium de convergencia para ajuste; ÉXITO Cuando el cambio normalizado en Chisquare sea más pequeño que la referencia de la sub-rutina suministrada por el usuario de EPSTHE debe aceptar 4 argumentos vectoriales de valores independientes $ XA Vector de vector de parámetros de ajuste de las variables dependientes que se asignará a la matriz de retorno de derivados parciales con respecto a los parámetros de ajuste que lo harán. Se le asignará a retornas un ejemplo. Tome esta definición de una sola exponencial con 3 parámetros (ancho, amplitud, desplazamiento): Sub Expdecdec {My ($ x, $ par, $ ym, $ DYDA) = @_; MI ($ A, $ B, $ C) = MAP {$ PAR-> RECLASE ("($ _)")} (0..2); mi $ arg = $ x / $ a; My $ EX = EXP ($ ARG); $ ym. = $ b * $ ex + $ c; my (@dy) = mapa {$ DYDA-> Rebanada (", ($ _)")} (0..2); $ dy . = - $ b * $ ex * $ arg / $ a; $ dy . = $ ex; $ dy . = 1; } Nota Uso del. = Operador para el contexto Scalar Scalars de asignación devuelve un vector de la variable dependiente ajustada. En el contexto de la lista devuelve los valores y-valores ajustados, vector de parámetros ajustados, una estimación de la matriz de covarianza (como un indicador de la bondad de ajuste) y el número de iteraciones realizadas. Versión enfitTreyed de Levenberg-Marquardt Rutina de ajuste MFIT TLMFIT $ X, $ Y , flotador (1) -> Dummy (0), $ NA, flotador (200), flotador (1E-4), $ ym = nulo, $ AFIT = NULL, Firma: tlmfit (x (n); y (n) ; SIG (N); A (M); ITER (); EPS (); ym (n); AO (M); OTRIPAR => SUBREF) Una versión roscada de LMFIT mediante el roscado de Perl. El roscado directo en LMFIT parecía difícil ya que tenemos una condición si en la iteración. En principio, que se puede trabajar usando dónde, pero ... ¡envíe una versión de LMFIT roscada si lo resuelve! Dado que estamos usando el roscado Perl aquí la velocidad no es realmente genial, pero es solo conveniente tener una versión roscada para muchos Aplicaciones (no se requieren bucles explícitos, etc.). Sufre de algunas de las limitaciones actuales de los subprocesos de nivel PERL. Requisitos: · Perl
PDL :: FIT :: LM Software relacionado