变差分步长的半全导数逼近
是一种数值计算方法，用于近似计算函数的导数。在数学中，导数描述了函数在某一点的变化率。半全导数是一种广义的导数概念，适用于非光滑函数或具有间断点的函数。
在变差分步长的半全导数逼近中，我们通过使用不同的步长来计算函数在某一点的导数。通常情况下，我们会使用较小的步长来获得更精确的结果。然而，在某些情况下，较小的步长可能会导致计算量过大或数值不稳定的问题。因此，变差分步长的方法允许我们在不同的步长下进行计算，并通过比较结果来选择合适的步长。
这种方法的优势在于可以在不同的步长下进行计算，并选择最合适的步长来获得较为准确的结果。它适用于各种类型的函数，包括非光滑函数和具有间断点的函数。通过使用变差分步长的半全导数逼近，我们可以在数值计算中更好地近似函数的导数，从而在实际问题中获得更准确的结果。
在云计算领域，变差分步长的半全导数逼近可以应用于各种数值计算任务，例如优化问题、机器学习算法、图像处理等。通过近似计算函数的导数，我们可以更好地理解和优化复杂的数学模型，从而提高计算效率和准确性。
腾讯云提供了一系列与数值计算相关的产品和服务，例如弹性计算、云函数、人工智能平台等。这些产品和服务可以帮助用户在云环境中进行数值计算任务，并提供高性能的计算资源和工具支持。具体产品介绍和链接如下：
- 弹性计算（Elastic Compute）：提供灵活的计算资源，包括云服务器、容器实例等。链接：https://cloud.tencent.com/product/cvm
- 云函数（Cloud Function）：无服务器计算服务，可以按需执行代码逻辑。链接：https://cloud.tencent.com/product/scf
- 人工智能平台（AI Platform）：提供了丰富的人工智能算法和工具，可用于机器学习、图像处理等任务。链接：https://cloud.tencent.com/product/ai
通过使用腾讯云的相关产品和服务，用户可以在云计算环境中灵活地进行数值计算任务，并获得高性能和可靠的计算支持。
相关·内容
1回答
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)。
我不熟悉python，我用numpy编写了这个程序，但我想我犯了一个错误，因为波浪被扭曲了。与其简单地向左平移，相反，当波离开左边界时，它似乎被扭曲了。我很确定这是一个编程错误，但它有可能是舍入错误吗？我用得不对吗？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 numpy as np
import matplotlib.pyplot as plt
import matplot
浏览 0提问于2018-03-29得票数 4
回答已采纳
1回答
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：
#==============================================================================
# import modules
#==================================================================
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。在python代码中：
def derivative_convolution(aSignal, iWindowSize):
"""
derivative of a signal by window size using kernel operator
"""
import numpy as np
aKernel = #???
return np.convolve(aSignal, aKernel, 'same')
其中aKernel是我
浏览 0提问于2015-05-26得票数 0
我一直在使用SLSQP算法只使用ExplicitComponents运行一些MDO问题。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？由于这些值保持不变，我不
浏览 0提问于2018-10-25得票数 1
回答已采纳
5回答
我有一个分段恒定信号如下所示。我想检测到步骤转换的位置(标记为红色)。
我目前的做法是：
采用移动平均滤波器()的平滑信号
执行离散小波变换得到间断点
定位不连续点以得到阶跃转换的位置
我目前正在执行最后一步，以检测不连续。然而，我无法得到准确的位置，并以许多错误的检测结束。
我的问题是：
这是正确的做法吗？
如果是的话，有人能为最后一步提供一些信息/算法吗？
请提出另一种/更好的办法。
谢谢
浏览 3提问于2013-10-31得票数 5
回答已采纳
假设我测量了人们爬山的速度，碰巧他们的爬山速度与坡度有关，所以他们在山比较陡的地方走得比较慢。我的输入变量是山的海拔，我的输出变量是它们的爬山速度。我用神经网络来拟合这些数据，这样以后我就可以根据新的海拔测量来预测徒步旅行的速度。神经网络能否代表输入的一阶导数，从而很好地捕捉这种关系？如果爬山速度与山的曲率有关，那么表示二阶导数又如何呢？
浏览 0提问于2019-04-26得票数 4
回答已采纳
我有一个Matlab函数G(x,y,z)。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。 例如，假设K=3 function f= G(x1,x2,x3,y,z)
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，然后在x=(1,2,6)中求值？
浏览 61提问于2020-06-30得票数 0
回答已采纳
2回答
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？例如在python中：
a = [1,32,43,54]
b = np.diff(np.array(a))
np.insert(b, -1, 0) # at the end?
np.insert(b, 0, 0) # or at the beginning?
浏览 0提问于2015-11-30得票数 3
1回答
对于某些函数f(x)，我希望使用以下近似找到f'(x)和f''(x)：
f(x+h) - f(x) /h
在每个场景中，我应该选择哪些h值？我知道f'(x)应该是h= sqrt( epsilon )，其中epsilon是机器epsilon。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？
x = rbind(-0.13612333, -0.02364000, 0.08234000, 0.09092667, 0.02164000,
-0.07784667, -0.10057333, -0.11222000, -0.07394333, -0.05615667)
y = rbind(0.013591, -0.045430, -0.013332, 0.010612, -0.013214,
浏览 8提问于2015-08-11得票数 0
回答已采纳
1回答
Durand-Kerner根查找方法的修正项是
$w_k = -\frac{f(z_k)}{\prod_{j\not=k}(z_k - z_j)}$
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$g'(x)$ $g(x) = \prod(z_k - z_j)$？
PS:我试着从Talk页面实现Bo Jacoby的表达式，但我无法让它起作用:我试图将所有近似式的所有积之和起来，并将结果放入分母，但它似乎
浏览 6提问于2015-08-23得票数 2
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 <iostream>
#include <iomanip>
#include <cmath>
// function to derivative
double f (double var, void * params){
(void)(params);
return pow (var, 1.5);
}
// Naive central step derivative
double derivative1(double var, doubl
浏览 1提问于2020-12-20得票数 1
2回答
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。
我需要绘制一个数学函数，它在显示器的一端几乎是平的，在另一端几乎是垂直的。一个圆的左下象限是一个很好的模型。我可以根据需要自动生成多个点数。
问题是，没有各种手工艺品，我是做不到的。
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。只有两件事我可以用复线-我可以选择线的长度(换句话说，点数我自动生成)，我可以禁用反走样(setAttributeNS(null，“形状渲染”，“清晰边缘”)。
如果我产生了很多的分数，那么我在任何地方都
浏览 11提问于2011-06-16得票数 2
我有一个受过训练的网络。我想要计算输出的梯度。输入。通过查询torch.autograd.grad文档，PyTorch可能很有用。因此，我使用以下代码：
x_test = torch.randn(D_in,requires_grad=True)
y_test = model(x_test)
d = torch.autograd.grad(y_test, x_test)[0]
model是神经网络。x_test是D_in大小的输入，y_test是标量输出。我想将计算结果与scipy.misc.derivative的数值差分进行比较。因此，我通过设置一个索引来计算部分导数。
浏览 1提问于2018-08-03得票数 7
1回答
我试图在特定的点上找到(数值)曲率。我将数据存储在一个数组中，我基本上希望在每个单独的点上找到局部曲率。我搜索了一下，并在MATLAB中找到了三种不同的实现：diff、gradient和del2。
如果我的数组名为arr，我尝试了以下实现：
curvature = diff(diff(arr));
curvature = diff(arr,2);
curvature = gradient(gradient(arr));
curvature = del2(arr);
前两个似乎输出相同的值。这是有意义的，因为它们本质上是相同的实现。但是，gradient和del2实现提供了彼此不同的值，也
浏览 2提问于2017-12-08得票数 0
回答已采纳
在中有三种方法的描述(完全的，半的和混合的分析梯度)。
我想澄清一些事情。指出半解析技术比近似整个模型的梯度更有效。
让我们来看看有10个“只有显式组件”且没有依赖关系或循环连接的单个组的问题，就像在中一样。(我想在这里显式或隐式并不重要，因为系统最终会将组件视为隐式的，但无论如何)
我从论文中了解到，用FD来逼近每个分量仍然比用FD来逼近整个问题更精确，就像在model.approx()中一样。
假设我的理解是正确的，我对推广这样一种用法感到困惑，因为我看到了这些缺点；
每个组件都需要多次调用梯度近似。这无疑比近似整个问题要花费更多的计算费用，这个问题只被称为设计变量(+1)，用于单向F
浏览 0提问于2019-03-18得票数 1
回答已采纳
1回答
我想要检测时间序列中的任何阶跃形状，如示例图所示。我想到的唯一方法是取序列前半部分和后半部分的平均值的差值，并将其与差值的平均值进行比较。如果后半部分的平均值比前半部分的平均值大一些(例如，平均值+ 3*sd)，那么我可以说数据中有一个阶梯状的形状(希望如此)。但是使用序列的中点是不明智的，因为步骤可以在数据中的任何位置。
apply(ds[1:6], 2, function(x){
diffs = diff(x)
l = floor(length(x) / 2)
m1 = mean(x[1:l])
m2 = mean(x[(l+1):length(x)])
浏览 24提问于2021-05-27得票数 0
1回答
让k = alpha * partial_derivative ( J (theta1) ) w.r.t theta1
theta1 := theta1 - k。
在Andrew的课程中，他说alpha是学习率。如果导数为正，则减去alpha * k，如果为负，则将其相加。为什么我们需要减去这个alpha * partial_derivative ( J (theta1) ) w.r.t theta1而不是alpha * just the sign of derivative
这里的乘法有什么用呢？谢谢。
浏览 3提问于2017-01-21得票数 2
回答已采纳
1回答
最小值返回的值高于最小值
、、、、
作为多启动优化的一部分，我正在运行差分进化(DE)，它的输出作为初始值提供给SLSQP (我需要约束)进行最小化。
我正在测试Ackley函数的程序。即使在DE返回最优(零)的情况下，枕极小化也偏离了最优初始值，并返回高于最优值的值。
你知道如何使枕骨最小化返回最优吗?我注意到它有助于指定枕叶最小化的公差，但它不能完全解决这个问题。缩放目标函数会使事情变得更糟。COBYLA求解器不存在此问题。
以下是优化步骤：
# Set up
x0min = -20
x0max = 20
xdim = 4
fun = ackley
bounds = [(x0min,x0max)] * xdim
tol =
浏览 5提问于2020-12-10得票数 2
回答已采纳
1回答
请看下面的简单系统
其中Kp=7130，Kd=59.3880。这些值的设计使系统出现20%的超调，稳态误差小于0.01。Simulink模型得到了正确的结果，而tf()没有。
其结果是
现在用tf实现相同的系统如下：
clear all
clc
kp=7130;
kd=59.3880;
num=[kd kp];
den=[1 18+kd 72+kp];
F=tf(num,den);
step(F)
stepinfo(F)
产生不同的超调。
有什么建议，为什么会有不一致的反应？为了使用tf()，我必须将系统设置为特定的形式吗？
浏览 1提问于2018-10-28得票数 1
回答已采纳
当我执行approx_fprime时，我得到错误(标题)
import numpy as np
import scipy.optimize as op
def J(x):
return x*x
xk = np.arange(1,10).reshape(3,3).astype('float32')
print(op.approx_fprime(xk.ravel(), J, 0.01))
我做错什么了？
我必须改变这个函数，它应该返回一个标量，而不是向量。
def J(x):
return np.sum(x**2)
浏览 1提问于2018-04-27得票数 0
回答已采纳
1回答
如何计算神经网络输出层二阶导数？
、、、、
我试图实现卷积神经网络的随机对角Levenberg-Marquardt方法，以支持学习权值的传播。我是新来的，对它很困惑，所以我没有什么问题，希望你能帮我。
( 1)如何计算输出层的二阶导数。由于我在一阶导数，我必须减去输出从期望的输出，并乘以它的输出的导数。但在二阶导数中，我怎么能做到呢？
2)在卷积神经网络的MaxPooling层中，选取2x2窗口中的最大值，并将其与权值相乘，现在是否要经过激活函数？
有人能给我解释一下在opencv里怎么做，或者如何用数学解释或任何显示数学的参考资料。提前谢谢。
浏览 0提问于2014-03-29得票数 2
回答已采纳
1回答
神经网络中的二阶优化方法比一阶优化方法更有效，因为它们包含了梯度变化率或曲率变化率的信息。此信息有助于为在错误面上向前移动选择更好的步长。目前尚不清楚梯度变化率是如何控制步长的，从而达到更好的优化效果。为了简单起见，只考虑一个权重更新迭代。
浏览 0提问于2020-01-04得票数 2
回答已采纳
1回答
平原蟒蛇的链规则
、、、、
我看到已经回答了这个问题，但是我正在尝试在一个没有第三方库的玩具项目上为教育目的编写一个链式规则的实现。
链式规则基本上是k'(x) = f'(g(x)) * g'(x) where k(x) = f(g(x))
我的职能如下：
def g(x):
return x**3 + 2
def f(x):
return x**2 + 7
def de(fn, x, step):
t1 = fn(x)
t2 = fn(x+step)
return (t2 - t1) / step
def chain(x):
return f
浏览 3提问于2019-12-26得票数 0
回答已采纳
我有以下的python MWE (代码解释如下)
#!/usr/bin/python
from scipy import integrate
from math import *
import numpy
import matplotlib.pyplot as plt
def base_equations(y,t,center):
return [5*exp(-(t-center)**2/3),-5*exp(-(t-center)**2/3)]
def eqexec1(y,t):
return base_equations(y,t,30)
def eqexec2(y,t)
浏览 0提问于2012-10-08得票数 0
回答已采纳
1回答
给出了ode的主要功能。
function dxdt = state( t,x,vgth,vgval1,vgval2)
vgval=vgval1+vgval2;
p=1;
k=10^0.7;
window1=1-((2*x)-1).^(2*p);
dxdt=k*(vgval-vgth+1.2)*window1;
end
下面给出了脚本。
step=0.01;
t = 0:step:10;
f=4*0.157;
vgate1= @(t) abs(5*sin(2*f*t)).*heaviside(5-t);
vgate2=@(t) -abs(5*sin(2*f*t)).*heaviside(
浏览 3提问于2015-11-05得票数 0
回答已采纳
我改变了我的模型中的参数，但有时它会导致模拟停止，因为病态雅可比，我不知道这个错误意味着什么。
我的问题是：
对于如何在Modelica模型中求解DAE方程，有什么解释吗?这样我就可以理解Jacobian矩阵的使用了吗？
我怎么知道哪个方程或参数导致这个问题在Dymola？
浏览 3提问于2020-07-12得票数 4
回答已采纳
我有一个相对复杂的函数，我已经计算了这个函数的雅可比的解析形式。然而，有时候，我搞砸了这个雅可比矩阵。 MATLAB有一个很好的方法来检查雅可比矩阵的准确性，当使用一些优化技术时，如here所述。 但问题是，看起来MATLAB解决了优化问题，然后返回雅可比矩阵是否正确。这是非常耗时的，特别是考虑到我的一些优化问题需要几个小时甚至几天的时间来计算。 Python在scipy中有一个与here类似的功能，它只是将解析梯度与用户提供的输入的梯度的有限差分近似进行比较。 有没有什么方法可以在MATLAB中检查雅可比矩阵的准确性，而不必解决整个优化问题？
浏览 23提问于2021-06-27得票数 2
我想我知道复杂的步骤在数值/算法上是怎么做的了。
但问题依然存在。前两个问题可能有相同的答案。
1-我用复杂的步骤替换了'Betz_limit‘示例的偏导数计算，并删除了分析梯度。看看记录下来的design_var进化，没有一个值是复杂的吗？它们不是应该以某种方式显示为a+bi吗？或者它总是踏入真实的空间。？
2-与图片'cs‘联系在一起，用于物理概念。例如，梁长度(m)、质量目标(kg)和载荷约束(Nm)的设计变量。我可以使用显式组件(纯python)或外部代码组件(纯fortran)来计算这些值。从数值上看，它们都可以处理复数，但显然质量是实数。那么，当我们说能够处理复数时
浏览 2提问于2018-08-03得票数 1
我正在构建一个C++类，它使用boost::odeint来集成一个大型的生物模拟模型。我用的是龙格-库塔-4步行者和一个观察者。
我知道观察者在每个时间步骤中被调用，而RK步进在每一时间步骤中调用4次导数函数，然后根据这4个结果计算出最后的状态。
我在文档或互联网上找不到任何地方，但是观察者被称为
在4RK中的第四个调用之后，每个时间步骤(此时尚未计算导数)，或
在4个RK的第一个调用之后，每个时间步骤(在哪一点)？
有人知道答案吗？
我想报告观察者的导数，但我不想对导数函数进行额外的冗余调用。
谢谢
浏览 0提问于2018-10-29得票数 0
回答已采纳
1回答
有人能用一种简单而不那么数学的方式向我解释什么是Hessian，以及在优化神经网络的学习过程时，它是如何在实践中工作的？
浏览 2提问于2014-04-25得票数 10
回答已采纳
我目前有一个Fortran函数，我想使用SciPy优化它，使用Ctype包装它。这个是可能的吗？也许我在我的实现中做错了什么。例如，假设我有：
cost.f90
module cost_fn
use iso_c_binding, only: c_float
implicit none
contains
function sin_2_cos(x,y) bind(c)
real(c_float) :: x, y, sin_2_cos
sin_2_cos = sin(x)**2 * cos(y)
end function sin_2_cos
end mo
浏览 5提问于2017-05-16得票数 7
回答已采纳
1回答
我有一个网络来生成一个单一的数字T。我预先知道:损失函数的一个性质是，当T \in [a_1, a_2]时，损失具有相同的L_1值；当T \in [a_2, a_3]时，损失有另一个值L_2；等等。损失函数类似于分段函数。
这个问题的一个具体的、简化的例子可能类似于对象分类。我有一组对象，以及它们与类别C之间的距离，我想将这些对象分类到其中。距离是[d_1, d_2, \dots, d_K]。假设d_1 \leq d_2 \leq \dots \leq d_K在不失去通用性的情况下。我想为这些对象学习一个阈值T，该阈值表示，如果距离足够近，那么它们属于类别C；否则，它们不是类别的成员。例如，如
浏览 0提问于2020-07-10得票数 3
我是Scilab的新用户，我不是数学家。
作为我的最终目标，我想计算(并绘制)一个分段定义函数的导数，参见。
我尝试使用一个简单的(连续的)函数：f(x) = 3*x。
我的Google让我找到了功能。
问题:似乎我不明白参数x是如何工作的，因为结果不是一维数组，而是一个矩阵。
更新1:也许我使用了错误的函数，而diff是最好的选择。但是numderivative的目的是什么呢？
PS:这是问与Scilab有关的问题的合适地方吗？似乎有几个StackOverflow社区提出了与Scilab相关的问题。
// Define limits
x0 = 0;
x1 =
浏览 19提问于2021-09-04得票数 3
回答已采纳
我编写了以下优化代码：
guess = [1/6] * 6
bounds = [(0.0,1.0)] * 6
cons = {'type': 'eq', 'fun': lambda x: 1 - sum(x)}
result = minimize(function, guess, (instrument, sample),\
bounds=bounds, method='SLSQP', tol=0.01, constraints=cons,\
options={'
浏览 14提问于2017-01-30得票数 3
我用有限差分格式来求梯度。假设我在一个组件中有两个输出(y1，y2)和一个输入(x)。在此之前，我知道y1对x的敏感性与y2对x的灵敏度不一样，因此我可能有两个不同的步骤；
self.declare_partials(of=y1, wrt=x, method='fd',step=0.01, form='central')
self.declare_partials(of=y2, wrt=x, method='fd',step=0.05, form='central')
没有什么能阻止我(算法上)，但还不清楚在这种情况下openmd
浏览 1提问于2018-06-26得票数 0
回答已采纳
假设你有数千个三维矢量，它们的插入时间，你想在当前时间找到瞬时速度吗？此外，主要的标准是准确性，第二个标准是性能。
样本数据：
T是毫秒(低分辨率)
:> t: 19624，x：-221.68，y: 394.46，z: 127.66 :> t: 19656，x：-222.07，y: 394.26，z: 127.54 :> t: 19671，x：-127.54，y: 127.54，z：:> t: 19687，x：- :>，y: 394.03，z: 127.36 :> t: 19718，x：-222.95，y: 393.81，z: 127.23：> t:
浏览 0提问于2011-04-23得票数 1
你好。
我试图制作一个类似于下面的三维图，说明高斯(LoG)函数的二维拉普拉斯函数。我如何通过MATLAB或python实现这一点？代码片段将非常感谢。
我已经发现，我们可以用绘制高斯，但我正在寻找如何绘制高斯的拉普拉斯。
浏览 0提问于2019-02-27得票数 0
回答已采纳
4回答
X导数Sobel看起来是这样的：
-1 0 +1
-2 0 +2
-1 0 +1
让我们假设我的图像有两个样例，它们看起来是这样的(0=black，1=white)：
0 0 1 1 0 0
0 0 1 & 1 0 0
0 0 1 1 0 0
如果我进行卷积，我将分别得到4和-4。
因此，我的自然反应是将结果正常化8，然后将其翻译为0.5 --这是对的吗？(我想知道维基百科等提到任何正常化)
编辑：I使用Sobel过滤器创建一个2D结构张量(带有导数dX和dY)：
A B
Struct
浏览 8提问于2013-04-09得票数 20
1回答
如果将多个求解器作为外部代码组件(完整的黑匣子)附加到模型上，是否有一种实现伴随方法的方法？
到目前为止，我所看到的openMDAO的许多用法似乎使用了一些黑匣子、流求解器或结构求解器等。
但是，我看不出如何在不触及源代码的情况下实现伴随方法。
因为它也不太可能实现一个复杂的步骤方法。如果要使用基于梯度的优化器，唯一的方法是有限差分？
浏览 0提问于2018-04-12得票数 1
回答已采纳
我已经创建了一个基于sigmoid的神经网络，它使用反向传播算法成功学习，误差计算(目标-输出)*输出*(1-输出)。然而，我想尝试不同的激活函数(缩放到相同范围内的输出，从0到1)。逻辑函数似乎都工作得很好，比如atan，tanh...但当我使用径向基函数时，例如高斯e^(x^2)，网络根本不学习。使用高斯激活函数或其他非单调函数时，是否必须更改backprop算法？
浏览 2提问于2014-05-18得票数 1
1回答
我正在应用导数的形式定义，当它是一阶时，它工作得很好
h = 1e-05 #Some number ultimately close to 0
def derivative(f,x):
return (f(x+h) - f(x)) / h #The formal definition
但是，当推广n阶公式时，由于某种原因，它在3次迭代时会奇怪地发散。
from functools import lru_cache #For handling recursion
@lru_cache(maxsize=200)
def NthDerivative(f,x,n):
if n==1:
浏览 4提问于2020-09-10得票数 0
我想验证用户的输入是否在全宽度(Katakana & Hirakana & alpha)字符中？
我见过Laravel验证医生，但无法验证我的情况。
有人能给我举个例子吗？(输入=>验证)
全宽度只有仿冒：
‘=>1’=>无效，‘ぁァ1あア1’=>无效，‘あア1’=>有效，
半宽度的仿制品：
“=>1”有效，“ぁァ1あア1”=>无效，“あア1”=>无效，
浏览 0提问于2019-06-07得票数 0
我使用nlminb函数来最大化一个函数，并得到收敛性(收敛=0 )和消息错误收敛。
我试过文件，但没有回答。我试着获取函数上的，可以找到函数nlminb
有人能告诉我nlminb的端口文档或者解释错误收敛意味着什么吗？
我也尝试过其他优化函数，但是尽管nlminb有点模糊，但它似乎比任何其他函数都更快地收敛到正确的答案。需要执行更多的测试来确保。即使通过优化使用nlminb也是相当慢的。
如果我们能更好地理解这个函数的工作原理，那将是件好事。福特兰程序员请随时帮忙。
编辑我应该早点找到代码的。它是，但它仍然是模糊的。有人能帮忙吗？
浏览 2提问于2016-10-14得票数 12
回答已采纳
2回答
我试图理解在图像中的时间导数的的含义。当我理解亮度不变方程的时候，我不明白为什么取两幅图像之间的差异给我时间导数。
取两个帧之间的差异，给出两个像素之间像素强度的差异，但这与询问图像在一定时间内变化了多少是怎么回事？
浏览 0提问于2019-05-28得票数 2
1回答
X0=linspace(-.3,.3,10);
[T,X] = ode45(@difflossy,[0 10],X0);
plot(T,X,'-');
function dX = difflossy(T,X)
if X<-1
dX=0;
else
dX= X.*(1-X);
end
end
上面是我的解非线性微分方程的代码。微分方程作为时间上的运动奇点。我得到了一个警告:在t=1.466319e+00.失败我得到了一个图形，当tspan减少到01时。但我需要知道很长一段时间内发生了什么。我认为if和for循环施加了
浏览 9提问于2017-12-21得票数 0
我正在使用matlab在线减去一个非常接近0的负数，从一个非常接近0的正数中减去一个负数，我想知道为什么这不会导致显著的舍入误差？matlab是否在做某种优化来使用加法而不是减法？
浏览 7提问于2022-08-22得票数 0
1回答
我用神经网络求解了一个微分方程。我在下面留下了一个例子。我想要计算这个神经网络的一阶导数，关于它的输入"x“，并对任何"x”求出这个导数。
1-注意到我计算der = discretize.derivative。这是神经网络对"x“的导数吗？使用这个表达式，如果我输入[first(der(phi, u, [x], 0.00001, 1, res.minimizer)) for x in xs]，我会得到一些不知道它是否是导数的东西，但是我无法在数组中找到一种提取它的方法，更不用说绘制它了。我如何评估这个导数在任何一点，让我们说，在数组中的所有点定义为"xs
浏览 6提问于2021-12-13得票数 2
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
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
