腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
圈层
工具
MCP广场
文章/答案/技术大牛
搜索
搜索
关闭
发布
精选内容/技术社群/优惠产品,
尽在小程序
立即前往
文章
问答
(615)
视频
沙龙
1
回答
变差
分
步长
的
半
全
导数
逼近
我最近了解了
的
特性。我开始在bsplines和一个显式组件中使用这个特性。我目前
的
问题是,我
的
设计变量是从两个不同
的
组件输入
的
,类似于下面的xsdm。据我所知,不可能为不同
的
设计变量设置不同
的
有限差分步骤。) 行不通
的
。我想,一种补救方法是使用相对
步长
,但我
的
一些输入范围从0到xx变化,所以可能相对
步长
不是最好
的
。有没有一种方法可以把FD
步长
作为向量或者类似的东西
浏览 0
提问于2018-08-28
得票数 0
回答已采纳
5
回答
检测分段恒定信号中
的
步骤
、
我想检测到步骤转换
的
位置(标记为红色)。我目前
的
做法是: 我
的
问题是: 请提出另一种/更好
的
办法。
浏览 3
提问于2013-10-31
得票数 5
回答已采纳
1
回答
用numpy求解波状初始条件下
的
输运方程
、
、
、
、
我试图编写一个python程序,用二阶空间离散和周期边界条件
的
显式欧拉方法求解一阶一维波动方程(输运方程)。对于用更像python
的
方式编写这个程序,有什么建议吗?谢谢!PDE是 在有限差
分
形式下 解为 以下是我
的
尝试:import matplotlib.pyplot as plt anim = animation.FuncAnimation(fig,animate,f
浏览 0
提问于2018-03-29
得票数 4
回答已采纳
1
回答
使用
的
意外行为。集成
的
solve_ivp
、
、
我想使用切换功能来集成一个简单
的
ODE。切换函数将确保t
的
某些值
的
梯度为零,并使梯度成为t
的
任何其他值
的
数值常数。我可以通过使用虚拟状态来获得所需
的
结果,但是当我重复对单个状态
的
计算时,来自solve_ivp
的
输出是不同
的
。我想知道为何会这样。下面是再现结果
的
代码: #===========================================================================
浏览 3
提问于2022-01-06
得票数 1
回答已采纳
1
回答
线性回归卷积核
、
、
换句话说,具有可变大小
的
移动窗口
的
线性回归。return np.convolve(aSignal, aKernel, 'same')例如,对于一维信号,一阶
导数
核是[-1,0,1]。可以计算窗口大小为5 ([a,b,c,d,e])时
的
斜率吗?
浏览 0
提问于2015-05-26
得票数 0
1
回答
二
分
搜索vs.一次固定一个数字
、
、
我们只知道f是单调递增
的
,没有
导数
,x_0是实正
的
,但不是非常大,所以程序不会终止。我
的
直觉告诉我,alt
浏览 0
提问于2017-12-14
得票数 1
1
回答
为什么静态输入变量
的
有限差分用于计算雅可比?(OpenMDAO 2.4)
、
每个组件
的
运行时间约为10秒,输入变量为60-100个。大多数输入变量是静态输入变量,在整个优化过程中将保持不变。静态输入变量来自IndepVarComp。ExplicitComponents是黑匣子,因此不提供有关部分
的
信息。 我注意到,当雅可比在compute_totals()中计算时,各分量相对于它们
的
所有输入值被线性化。在compute_approximations()中,对所有输入值(包括静态输入值)计算有限差
分
。所以,我
的
问题是:为什么对这些静态输入变量进行有限差
分
计算?然而
浏览 0
提问于2018-10-25
得票数 1
回答已采纳
1
回答
你知道细节保持正则化是什么意思吗?在图像处理上下文中
、
请帮助不能理解这个概念的人。谢谢
浏览 2
提问于2011-12-07
得票数 0
回答已采纳
8
回答
在C/C++中实现
导数
、
、
、
、
通常如何以编程方式计算f(x)
的
导数
以确保最大精度? 我正在实现方法,它需要取函数
的
导数
。
浏览 3
提问于2009-10-13
得票数 24
回答已采纳
1
回答
区间内正差
分
的
数值
逼近
、
、
、
、
在不使用numpy
的
情况下,如何使用python进行数值有限差
分
计算?例如,我想在一定
的
区间内数值地找到多个函数值,一阶和二阶
导数
的
步长
为0.05。
浏览 3
提问于2020-09-10
得票数 0
回答已采纳
3
回答
Runge (RK4)游戏物理集成
、
、
游戏中
的
Gaffer有一个关于使用来改善游戏物理
的
。实现是简单
的
,但其背后
的
数学让我感到困惑。我从概念上理解
导数
和积分,但很长一段时间没有操纵方程了。上对
导数
进行平均化,为什么平均到4阶
的
导数
与用较小
的
时间
步长
进行简单
的
欧拉积分不同? 可以用简单
的
浏览 5
提问于2009-11-03
得票数 55
回答已采纳
1
回答
Matlab函数在某一点
的
数值梯度
对于每个给定
的
(x,y,z),G(x,y,z)都是一个标量。x=(x1,x2,...,xK)是一个Kx1向量。 让我们将y,z固定在某些给定值。我希望你能帮助我理解如何计算G相对于在某个x下求值
的
xk
的
导数
。f=3*x1*sin(z)*cos(y)+3*x2*sin(z)*cos(y)+3*x3*sin(z)*cos(y); end 如何计算G(x1,x2,x3,4,3) wrto x2
的
导数
浏览 61
提问于2020-06-30
得票数 0
回答已采纳
3
回答
如何用SVG中
的
bezier路径
逼近
半
余弦曲线?
、
、
、
、
假设我想用bezier路径近似SVG中
的
半
余弦曲线。
半
余弦应该是这样
的
:并从运行到。请注意,我不想用一系列相互关联
的
段来
逼近
余弦,我想用贝塞尔曲线来计算一个很好
的
近似。
浏览 8
提问于2015-03-12
得票数 22
回答已采纳
2
回答
将数组与其差异对齐
、
、
我想使用数组及其一阶
导数
(diff)作为训练
的
特征。由于diff数组
的
大小较小,所以我想填充它,以便在堆叠它们并将它们用作功能时不会出现大小问题。 如果我用0填充diff(数组),我应该如何对齐它们?我把0放在结果diff(数组)
的
开头还是结尾?将数组与其派生数对齐
的
正确方法是什么?
浏览 0
提问于2015-11-30
得票数 3
1
回答
在实际应用中,我应该用什么值来近似函数
的
梯度?
、
、
、
、
但是,对于f''(x),我必须以不同
的
方式处理h值吗?我
的
猜测是,截断和舍入错误在某种程度上相互抵消,并导致这个值。 如何近似我将发现
的
双精度误差(举个例子)?
浏览 0
提问于2018-05-10
得票数 0
回答已采纳
2
回答
R中线性函数中斜率
的
导数
、
、
、
、
当导出线性函数(y =a+ bx)
的
斜率时,它表示了x和y之间
的
变化率。但是,如果我想知道函数
的
变化速度(基本上是二阶
导数
)对x
的
变化,这是如何做到
的
呢?
浏览 8
提问于2015-08-11
得票数 0
回答已采纳
2
回答
带C++
的
数值
导数
、
、
、
这个问题在不同
的
平台上出现了上千次。然而,我仍然需要理解一些东西。下面是一个完整
的
例子:#include <iomanip>double目前给出
的
选择h0
的
共同依据是,理论上应该选择尽可能小
的
,以提高
导数
的
精度,但数值上不应该太小,以致于碰到浮点圆周运动,从而破坏了精度。我
的<
浏览 1
提问于2020-12-20
得票数 1
1
回答
具有分母
导数
的
Durand-Kerner
、
、
、
Durand-Kerner根查找方法
的
修正项是维基百科提到,它也有可能使用衍生产品
的
分母,而不是上述产品如何形成这样
的
导数
?我只有多项式
的
系数和根
的
逼近
。如何求出
导数
的
系数,以便像对多项式( $f(z_k)$)
的
求值一样,用霍纳方案来计算它?我是否正确地假设
导数
可能类似于$g'(x)$
浏览 6
提问于2015-08-23
得票数 2
回答已采纳
6
回答
边缘
导数
、
我最喜欢
的
近似
导数
的
方法是中心差
分
,它比正向差
分
或向后差
分
更精确,而且我懒得去做更高级
的
事情。但是,中心
的
差异需要在您正在评估
的
点
的
两边都有一个数据点。通常情况下,这意味着在任何一个端点都没有
导数
。为了解决这个问题,我想让你切换到边处
的
正向和后向差: 具体来说,我希望你们对第一点使用前向差
分
,对最后一点使用向后差
分
,对中间
的
所有
浏览 0
提问于2016-06-21
得票数 9
2
回答
绘制数学函数而不绘制手工艺品
、
我不认为这是一个很好
的
答案,但我想找出是否有更好
的
方法来做到这一点。我还没有试过贝塞尔拟合,我不认为这会是近在眼前。我
的
理解是,Bezier是一次性手工构造
的
漂亮图形,而不是真正
的
曲线拟合。 这就留下了多条线。如果我产生了很多
的
分数
浏览 11
提问于2011-06-16
得票数 2
点击加载更多
扫码
添加站长 进交流群
领取专属
10元无门槛券
手把手带您无忧上云
相关
资讯
完结篇 I 机器学习与运筹优化(七)常见优化算法小结
能否写一段大模型计算的代码例子
从原理到代码,轻松深入逻辑回归模型!
人工智能–梯度下降法(1)
深入浅出谈人脸识别技术
热门
标签
更多标签
云服务器
ICP备案
即时通信 IM
云直播
实时音视频
活动推荐
运营活动
广告
关闭
领券