[Archives] Mathématiques pures, physique, chimie, etc. : problèmes d'entraînement cérébral sans rapport avec le commerce. - page 562
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Je t'ai vraiment aidé. J'ai supprimé tous mes messages concernant le générateur SEG, je n'ai même pas téléchargé une vidéo de l'installation réelle. Alors pourquoi avez-vous besoin de tout ce "bazar orthogonal/vectoriel" de 8 pages ?
Oui, et bien, votre aide est précieuse. Je vous en dois une. Je vais devoir craquer.
J'en ai besoin pour augmenter l'efficacité de l'optimiseur auto-écrit - pour injecter en masse dans la population des gènes orthogonaux à l'ensemble dégénéré. Lorsque l'algorithme génétique commence à s'arrêter, cela signifie que les gènes qu'il contient deviennent potentiellement enclins à la dépendance linéaire (parce que le croisement a lieu presque exclusivement à l'intérieur de l'ensemble des "parents"). Une telle insertion (avec un croisement ultérieur) peut rafraîchir la population avec du "sang neuf", et élargir l'espace de recherche, empêchant la population de rester bloquée dans des creux locaux.
// Il y a quelques autres subtilités, mais elles sont déjà trop secrètes. Vous feriez mieux de ne pas insister. Si je te parle d'eux, je devrai te tuer après.
1. 1. à Mislaid, Mathemat,
Et ici et là, partout la même chose - le même processus, que j'ai construit moi-même hier. La soustraction séquentielle des projections vectorielles sur les orthos précédentes.
Ce sont des jours comme celui-ci qui me donnent l'impression d'être un classique : ..... :-))
--
Au fait, j'ai déjà fait et débogué le script de test la nuit dernière. En cours de route, j'ai trouvé un bug dans l'optimiseur de pyramide et je l'ai envoyé au Service Desk. J'ai contourné le bug en modifiant légèrement le code. Donc tout fonctionne. Il est fiable et rapide, exactement comme j'en avais besoin.
2. Il en existe vraiment un dans OpenZL, mais seulement pour le cas tridimensionnel. [cross(a, b) ; construit un vecteur orthogonal à deux données ] J'en ai besoin pour une dimension arbitraire.
Continuons. Le produit scalaire de deux vecteurs a[] et b[] est la somme des produits a[i]*b[i]*w[i], où w[i] est la fonction de poids. En fonction des pondérations que nous donnons, nous obtenons des solutions à différents problèmes, qui sont obtenues par l'algorithme universel d'orthogonalisation séquentielle. (En passant, l'exemple ci-dessus construit une projection orthogonale sur un sous-espace étiré sur des vecteurs arbitraires). Dans le cas où w[i] = 1, il s'agit du produit scalaire de deux vecteurs dans l'espace cartésien.
Si vous définissez w[i] = r[i]*s[i], où
s[i] = 0,5/n, où i = 0, n ;
s[i] = 1/n, à 0 < i < n ;
Le produit scalaire est alors défini comme l'intégrale du produit des fonctions a(x)*b(x)*r(x) sur l'intervalle [0;1], exprimée en différences finies.
Si cela est légal, alors nous pouvons facilement construire n'importe quelle régression, naturellement, en différences finies sans aucun stress.
Seulement, il me semblait que c'était une voie sans issue. Et je l'ai passé.
Eh bien, cela ne signifie qu'une chose - l'erreur relative d'approximation est d'autant plus grande que X (et Y) est petit, mais à quoi vous attendez-vous, en divisant un petit nombre par un autre petit nombre ? Essayez de changer la variable X' = X+100 et de tracer une nouvelle série dans l'intervalle de 100 à 400, et non de 0 à 300 - le graphique sera beaucoup plus droit, mais cela ne changera pas la question
1. Continuez. Le produit scalaire de deux vecteurs a[] et b[] est la somme des produits a[i]*b[i]*w[i], où w[i] est une fonction de poids. En fonction des pondérations que nous donnons, nous obtenons des solutions à différents problèmes, qui sont obtenues par l'algorithme universel d'orthogonalisation séquentielle. (En passant, l'exemple ci-dessus construit une projection orthogonale sur un sous-espace étiré sur des vecteurs arbitraires). Dans le cas où w[i] = 1, il s'agit du produit scalaire de deux vecteurs dans l'espace cartésien.
Si nous définissons w[i] = r[i]*s[i], où
s[i] = 0,5/n, pour i = 0, n ;
s[i] = 1/n, à 0 < i < n ;
Le produit scalaire est alors défini comme l'intégrale du produit des fonctions a(x)*b(x)*r(x) sur l'intervalle [0;1], exprimée en différences finies.
Si cela est légal, vous pouvez facilement construire n'importe quelle régression, bien sûr, en différences finies sans aucun stress.
2. Seulement il me semblait que c'était une voie sans issue. Et je l'ai passé.
1. Sergey, il est trop tôt pour que j'aille plus loin. Quand je maîtriserai mieux l'espace cartésien, je m'intéresserai à l'espace fonctionnel. Mais c'est un sujet intéressant, merci pour cet article. Vous allez rire, mais ça s'est avéré très instructif pour moi.
2. Il doit y avoir des doutes sur l'impasse, puisque vous proposez d'autres... :) Au moins, je saurai qui choisir comme guide sur ce chemin sans issue. Je suis sérieux, si vous avez des questions sur le sujet, je vous les poserai. Vous permettez ?
Il est nécessaire d'augmenter l'efficacité de l'optimiseur auto-écrit - pour injecter dans la population des gènes orthogonaux à l'ensemble dégénéré à une échelle massive. Lorsque l'algorithme génétique commence à s'arrêter, cela signifie que les gènes qu'il contient deviennent potentiellement sujets à une dépendance linéaire (puisque le croisement se fait presque exclusivement à l'intérieur de l'ensemble des "parents"). Une telle insertion (avec d'autres croisements) peut rafraîchir la population avec du "sang neuf" et élargir l'espace de recherche, en évitant de rester bloqué dans des creux locaux.
Vous auriez dû me demander d'abord, avant de chercher des vecteurs multidimensionnels orthogonaux..... :)
Ça vous aurait fait gagner du temps. Parce que cela ne vous aidera pas, je veux dire que vous n'en avez pas du tout besoin (je parle des vecteurs orthogonaux).
Vous auriez dû me demander d'abord avant de chercher des vecteurs multidimensionnels orthogonaux..... :)
Ça vous aurait fait gagner du temps. Parce que cela ne vous aidera pas, je veux dire que vous n'en avez pas du tout besoin (je parle des vecteurs orthogonaux).
Je n'y crois pas. Je parie que tu les gardes sous ton oreiller et que tu ne les montres à personne.
Ou vous essayez d'extorquer des subtilités secrètes après tout. (Une variante du suicide tordu.)
;)
Je n'y crois pas. Je parie que tu les gardes sous ton oreiller et que tu ne les montres à personne.
;)
Quelle absurdité !
Les chiffres arabes médiévaux sont très proches de la forme sous laquelle ils ont été empruntés par les Européens des nations plus développées, avec la notation positionnelle.