/ SequentialFit.jl-源码
SequentialFit.jl-源码
SequentialFit.jl-源码
顺序拟合动机如果我们有一个只能采样的未知函数f(x)，我们可以选择一个以参数向量p特征的已知函数g(x,p)。
用最小二乘法，我们可以找到p最小化的总和-的平方误差\sum_{x\inX}(g(x,p)-f(x))^2以设定的采样点的X。
如果评估f昂贵，那么仔细选择采样点符合我们的利益。
假设我们的模型已经很不错了，我们可以使用它来找出下一步要采样的地方。
猜测要采样的点是x^*，其中g(x^*,p)的p梯度尽可能大（这是我们最有可能从采样中学到的东西）的地方。
我们还希望避免在同一位置多次采样。
该程序包实现了这种顺序采样方法。
使用范例usingSequentialFit,Plotsgaussian(x,mu,sigma)=exp(-((x-mu)/sigma)^2)functionexpensiveFunction(x
顺序拟合动机如果我们有一个只能采样的未知函数f(x)，我们可以选择一个以参数向量p特征的已知函数g(x,p)。
用最小二乘法，我们可以找到p最小化的总和-的平方误差\sum_{x\inX}(g(x,p)-f(x))^2以设定的采样点的X。
如果评估f昂贵，那么仔细选择采样点符合我们的利益。
假设我们的模型已经很不错了，我们可以使用它来找出下一步要采样的地方。
猜测要采样的点是x^*，其中g(x^*,p)的p梯度尽可能大（这是我们最有可能从采样中学到的东西）的地方。
我们还希望避免在同一位置多次采样。
该程序包实现了这种顺序采样方法。
使用范例usingSequentialFit,Plotsgaussian(x,mu,sigma)=exp(-((x-mu)/sigma)^2)functionexpensiveFunction(x
文件下载
资源详情
[{"title":"（11个子文件143KB）SequentialFit.jl-源码","children":[{"title":"SequentialFit.jl-main","children":[{"title":".github","children":[{"title":"workflows","children":[{"title":"CompatHelper.yml <span style='color:#111;'>457B</span>","children":null,"spread":false},{"title":"TagBot.yml <span style='color:#111;'>362B</span>","children":null,"spread":false}],"spread":true}],"spread":true},{"title":"src","children":[{"title":"SequentialFit.jl <span style='color:#111;'>1.80KB</span>","children":null,"spread":false}],"spread":true},{"title":"Project.toml <span style='color:#111;'>532B</span>","children":null,"spread":false},{"title":"doc","children":[{"title":"example.gif <span style='color:#111;'>103.29KB</span>","children":null,"spread":false},{"title":"example.jl <span style='color:#111;'>1.10KB</span>","children":null,"spread":false},{"title":"example_errors.png <span style='color:#111;'>36.44KB</span>","children":null,"spread":false}],"spread":true},{"title":"LICENSE <span style='color:#111;'>1.09KB</span>","children":null,"spread":false},{"title":"test","children":[{"title":"runtests.jl <span style='color:#111;'>99B</span>","children":null,"spread":false}],"spread":true},{"title":"README.md <span style='color:#111;'>2.22KB</span>","children":null,"spread":false},{"title":".gitignore <span style='color:#111;'>15B</span>","children":null,"spread":false}],"spread":true}],"spread":true}]
评论信息
其他资源
- INS/GNSS松耦合matlab仿真
- 脚手架下ts故事书-源码
- simskog95.github.io：测试-源码
- ITS-ICT_微服务-源码
- 少数中心性计算note.txt
- 基于matlab的海明窗带阻滤波器的设计
- jmeter-ssh-samlper
- GUI图像边缘检测
- vivadoFFT9.0版本AXIS总线IP使用及仿真
- go1.16.windows-amd64.msi
- PhotoModeler基于功能的视频11
- 《MFC.Windows程序设计(第2版)修订版》【高清完整版+带书签索引】.(Programming.Windows.with.MFC)
- 网页期末作业基于HTML+CSS中国传统节日【清明节】
- halcon相机标定
- 用IE检查visio（vsd）文件
- 『离线数据访问』优化用户体验不得不攻克的难关｜移动应用
- 多径多普勒效应讲义(含matlab程序)20071228陈.pdf
- 线性系统理论习题解答-郑大钟第二版.pdf
- JS，HTML5实现的网页视频播放器
- simulinkip-iq谐波检测模子
免责申明
【好快吧下载】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【好快吧下载】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【好快吧下载】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，8686821#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，8686821#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明