chinese直男口爆体育生外卖, 99久久er热在这里只有精品99, 又色又爽又黄18禁美女裸身无遮挡, gogogo高清免费观看日本电视,私密按摩师高清版在线,人妻视频毛茸茸,91论坛 兴趣闲谈,欧美 亚洲 精品 8区,国产精品久久久久精品免费

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

Python實(shí)現(xiàn)所有算法之牛頓前向插值介紹

云深之無跡 ? 來源:云深之無跡 ? 作者:云深之無跡 ? 2022-07-12 09:50 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

今天的算法是插值,細(xì)分是牛頓插值。關(guān)于插值可能大家聽到最多的就是圖像插值,比如100元的攝像頭有4K的分辨率???其實(shí)這里就是使用的插值算法,通過已經(jīng)有的數(shù)據(jù)再生成一些,相當(dāng)于提升了數(shù)據(jù)的量。如果我們想放大圖像,我們需要使用過采樣算法來擴(kuò)展矩陣。

pYYBAGLM05eAY2MjAABSXYv1LA4273.jpg

左邊是原有的信息,右邊是通過算法生成的新數(shù)據(jù)

poYBAGLM07GAJrhsAAA6-21HT14198.jpg

就像這樣

在上圖中,出現(xiàn)的算法是最近鄰算法,也稱為近端插值,是一維或多維空中多元插值的一種簡(jiǎn)單方法。插值是通過已知的離散數(shù)據(jù)點(diǎn)在一定范圍內(nèi)尋找新數(shù)據(jù)點(diǎn)的過程或方法。最近鄰插值算法選擇最接近數(shù)據(jù)點(diǎn)的值,完全不考慮其他相鄰點(diǎn)的值,從而生成一個(gè)分段常數(shù)插值值作為數(shù)據(jù)點(diǎn)的值。線性的插值算法是雙線插值是二維坐標(biāo)系下線性插值的擴(kuò)展,用于插值二元函數(shù)。它的核心思想是在兩個(gè)方向上執(zhí)行一次線性插值。

關(guān)于這里的圖像算法我不想說什么,等之后我會(huì)補(bǔ)上。簡(jiǎn)單來說在數(shù)據(jù)給的少的情況下我們都可以考慮使用插值算法來生成新數(shù)據(jù)或者是改善。

注意我們處理的是離散數(shù)據(jù):離散數(shù)據(jù)是指其數(shù)值只能用自然數(shù)或整數(shù)單位計(jì)算的數(shù)據(jù)。

離散函數(shù):定義域是離散集合的函數(shù)稱為離散函數(shù)。其函數(shù)圖像為一系列離散的點(diǎn)。

在離散數(shù)據(jù)的基礎(chǔ)上補(bǔ)插連續(xù)函數(shù),使得這條連續(xù)曲線通過全部給定的離散數(shù)據(jù)點(diǎn)。插值是離散函數(shù)逼近的重要方法,利用它可通過函數(shù)在有限個(gè)點(diǎn)處的取值狀況,估算出函數(shù)在其他點(diǎn)處的近似值。

理論就這么多了(其實(shí)也沒有理論就是說下基本的概念)

牛逼的插值算法來自:

pYYBAGLM09OAZknNAAD6MBEqCls456.jpg

《自然哲學(xué)的數(shù)學(xué)原理》的第三卷的引理五

對(duì)牛頓插值來說,它最大的特點(diǎn)是引入了差商這個(gè)概念。差商即均差,一階差商是一階導(dǎo)數(shù)的近似值。對(duì)等步長(zhǎng)(h)的離散函數(shù)f(x),其n階差商就是它的n階差分與其步長(zhǎng)的n次冪的比值。例如n=1時(shí),若差分取向前的或向后的,所得一階差商就是函數(shù)的導(dǎo)數(shù)的一階近似;若差分取中心的,則所得一階差商是導(dǎo)數(shù)的二階近似。

poYBAGLM0-2AZ1ifAAAr20LICPg988.jpg

對(duì)一個(gè)f(x)可以構(gòu)造差商表來遞推的給出差商

poYBAGLM1AuAXX1jAABEQbNlCaI204.jpg

計(jì)算的公式就是這樣,因?yàn)槭侵貜?fù)同一種范式,所以程序?qū)崿F(xiàn)可以使用遞歸

poYBAGLM1CeAZIogAAB-MbMOFT4171.jpg

事實(shí)上我們應(yīng)該給出一點(diǎn)更加規(guī)范的論證(不就是個(gè)導(dǎo)數(shù))

有了上面的定義,作用是給出每一項(xiàng)的系數(shù)。具體推導(dǎo)是這樣的:

poYBAGLM1FeAXT7gAABhV2RhS40520.jpg

最后的就是我們的插值公式

poYBAGLM1GiADQ0yAAArcyIHX5o549.jpg

為了看起來平易近人,可以寫成這樣

pYYBAGLM1HyABJjiAABlTQWKzPU147.jpg

poYBAGLM1JaAZutKAACqgUCg7kc242.jpg

還有一種是等間距的插值計(jì)算,在下面的計(jì)算中間距設(shè)置為h(方向?yàn)榍跋虿罘郑?/p>

pYYBAGLM1LOAAr3KAAA7QwPpUJA856.jpg

pYYBAGLM1M2AMHhPAAB_DZIy0_4197.jpg

這個(gè)圖就完美了?。?!

poYBAGLM1OSAGD-YAABi5TFUN74249.jpg

二階的前向差分后和后向差分都在這里了

牛頓插值作為一種常用的數(shù)值擬合方法,因其計(jì)算簡(jiǎn)單,方便進(jìn)行大量插值點(diǎn)的計(jì)算。在實(shí)驗(yàn)中經(jīng)常出現(xiàn)只能測(cè)量得到離散數(shù)據(jù)點(diǎn)的情況,或者只能用數(shù)值解表示某對(duì)應(yīng)關(guān)系之時(shí),可以使用牛頓插值公式,對(duì)離散點(diǎn)進(jìn)行擬合,得到較為準(zhǔn)確的函數(shù)解析值。

牛頓真厲害啊,幾百年前他萬萬沒有想到,一個(gè)小輩大晚上的還得研究人家隨手寫的東西。

牛頓插值算法的優(yōu)點(diǎn)是,每一個(gè)新項(xiàng)的生成都不需要龐大的算力,對(duì)前一項(xiàng)進(jìn)行計(jì)算就行,拉格朗日的算法是每一個(gè)新項(xiàng)都需要對(duì)基函數(shù)完全計(jì)算,耗費(fèi)算力。最后我們的泰勒公式其實(shí)就是對(duì)牛頓的插值算法進(jìn)行了改進(jìn):

poYBAGLM1P2AH3lYAABR6nRwpEg615.jpg

就記幾項(xiàng)就行

對(duì)了,插值是針對(duì)自變量的任何中間值估計(jì)函數(shù)值的技術(shù),而計(jì)算給定范圍之外的函數(shù)值的過程稱為外插。

pYYBAGLM1RuACxZaAABXD7Z-QxA343.jpg

u是啥?別著急

6fb521a8-0130-11ed-ba43-dac502259ad0.png

這個(gè)公式對(duì)于在給定值集的開頭附近插值 f(x) 的值特別有用。h 稱為差值區(qū)間,u = ( x – a ) / h,這里 a 是第一項(xiàng)。

函數(shù)就是算這個(gè)的。

poYBAGLM1TWAFJagAADMkRcDMQU489.jpg

測(cè)試

pYYBAGLM1U2ARMvSAACn-ZKwtzc850.jpg

下面的分母,需要求階乘,這里也準(zhǔn)備一個(gè)小函數(shù)

pYYBAGLM1WKAEClrAAB6xe5bwVI571.jpg

將輸入的值轉(zhuǎn)為整型,準(zhǔn)備一個(gè)list,將輸入的值輸入到空白的二維數(shù)值表。

pYYBAGLM1YOAVzamAAB5fTLPMHg431.jpg

就像這樣

pYYBAGLM1ZyAQKvHAAB3rg42HVY531.jpg

這個(gè)沒有什么好說的,就是將輸入的值解到該有的位置,而且計(jì)算差分值。

pYYBAGLM1b6ARk22AABN-NtS8B0728.jpg


審核編輯:劉清

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 算法
    +關(guān)注

    關(guān)注

    23

    文章

    4761

    瀏覽量

    97153
  • 矩陣
    +關(guān)注

    關(guān)注

    1

    文章

    441

    瀏覽量

    35817
  • python
    +關(guān)注

    關(guān)注

    57

    文章

    4858

    瀏覽量

    89596
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    SM4算法實(shí)現(xiàn)分享(一)算法原理

    ,Xi、Yi、rki為字,i=0,1,2,…,31。則本算法的加密實(shí)現(xiàn)為: 本算法的解密實(shí)現(xiàn)與加密實(shí)現(xiàn)結(jié)構(gòu)是相同的,不同的只是提供的輪
    發(fā)表于 10-30 08:10

    AES加解密算法邏輯實(shí)現(xiàn)及其在蜂鳥E203SoC上的應(yīng)用介紹

    這次分享我們會(huì)簡(jiǎn)要介紹AES加解密算法的邏輯實(shí)現(xiàn),以及如何將AES算法做成硬件協(xié)處理器集成在蜂鳥E203 SoC上。 AES算法
    發(fā)表于 10-29 07:29

    Newton-Raphson算法實(shí)現(xiàn)浮點(diǎn)除法(七)

    牛頓迭代算法,一直逼近于f(x) = 0的點(diǎn),則有xi+1 = xi (2 - xi b),這樣我們能夠用下述步驟實(shí)現(xiàn)a/b: 1)把b移位,使其滿足0.5≤b<1; 2
    發(fā)表于 10-24 07:53

    Montgomery模乘介紹

    的整數(shù),即 ; ,通常取 , 是r模n的逆,即 ; 。 計(jì)算 的算法: 因?yàn)?所以 , 都可以通過簡(jiǎn)單的移位操作實(shí)現(xiàn),從而消去了最復(fù)雜的除法運(yùn)算。由于Montgomery 算法計(jì)算的是 的
    發(fā)表于 10-22 07:35

    基于FPGA實(shí)現(xiàn)FOC算法PWM模塊設(shè)計(jì)

    哈嘍,大家好,從今天開始正式帶領(lǐng)大家從零到一,在FPGA平臺(tái)上實(shí)現(xiàn)FOC算法,整個(gè)算法的框架如下圖所示,如果大家對(duì)算法的原理不是特別清楚的話,可以先去百度上學(xué)習(xí)一下,本教程著重
    的頭像 發(fā)表于 07-17 15:21 ?3133次閱讀
    基于FPGA<b class='flag-5'>實(shí)現(xiàn)</b>FOC<b class='flag-5'>算法</b><b class='flag-5'>之</b>PWM模塊設(shè)計(jì)

    基于FPGA的壓縮算法加速實(shí)現(xiàn)

    本設(shè)計(jì)中,計(jì)劃實(shí)現(xiàn)對(duì)文件的壓縮及解壓,同時(shí)優(yōu)化壓縮中所涉及的信號(hào)處理和計(jì)算密集型功能,實(shí)現(xiàn)對(duì)其的加速處理。本設(shè)計(jì)的最終目標(biāo)是證明在充分并行化的硬件體系結(jié)構(gòu) FPGA 上實(shí)現(xiàn)算法時(shí),可
    的頭像 發(fā)表于 07-10 11:09 ?2092次閱讀
    基于FPGA的壓縮<b class='flag-5'>算法</b>加速<b class='flag-5'>實(shí)現(xiàn)</b>

    跟老齊學(xué)Python:從入門到精通

    本帖最后由 yuu_cool 于 2025-6-3 16:52 編輯 本資料是面向編程零基礎(chǔ)讀者的Python 入門教程,內(nèi)容涵蓋了Python 的基礎(chǔ)知識(shí)和初步應(yīng)用。以比較輕快的風(fēng)格,零基
    發(fā)表于 06-03 16:10

    黑芝麻智能視覺與4D毫米波雷達(dá)融合算法介紹

    本文介紹了黑芝麻智能視覺與4D毫米波雷達(dá)融合算法,通過多模態(tài)特征對(duì)齊和時(shí)序建模,顯著提升逆光、遮擋等復(fù)雜場(chǎng)景下的目標(biāo)檢測(cè)精度,增強(qiáng)輔助駕駛安全性。
    的頭像 發(fā)表于 05-08 09:27 ?1984次閱讀
    黑芝麻智能視覺與4D毫米波雷達(dá)<b class='flag-5'>前</b>融合<b class='flag-5'>算法</b><b class='flag-5'>介紹</b>

    python入門圣經(jīng)-高清電子書(建議下載)

    此資料內(nèi)容是一本針對(duì)所有層次的Python 讀者而作的Python 入門電子書。 全書分兩部分:第一部分介紹Python 編程所必須了解的
    發(fā)表于 04-10 16:53

    FOC 算法實(shí)現(xiàn)永磁同步電機(jī)調(diào)整指南

    本文檔介紹了使用 FOC 算法實(shí)現(xiàn)永磁同步電機(jī) (Permanent Magnet SynchronousMotor,PMSM)調(diào)整所需的步驟和設(shè)置,該算法如 AN1078《PMSM
    發(fā)表于 03-03 01:53

    VirtualLab Fusion應(yīng)用:參數(shù)優(yōu)化文檔介紹

    算法它“在高斯-牛頓算法和梯度下降法之間進(jìn)行。[…]在許多情況下,它可以找到一個(gè)解決方案,即使它從非常遠(yuǎn)的最終最小
    發(fā)表于 02-28 08:44

    PID控制算法的C語言實(shí)現(xiàn):PID算法原理

    在工業(yè)應(yīng)用中 PID 及其衍生算法是應(yīng)用最廣泛的算法之一,是當(dāng)之無愧的萬能算法,如果能夠熟練掌握 PID 算法的設(shè)計(jì)與實(shí)現(xiàn)過程,對(duì)于一般的研
    發(fā)表于 02-26 15:24

    使用Python實(shí)現(xiàn)xgboost教程

    使用Python實(shí)現(xiàn)XGBoost模型通常涉及以下幾個(gè)步驟:數(shù)據(jù)準(zhǔn)備、模型訓(xùn)練、模型評(píng)估和模型預(yù)測(cè)。以下是一個(gè)詳細(xì)的教程,指導(dǎo)你如何在Python中使用XGBoost。 1. 安裝XGBoost
    的頭像 發(fā)表于 01-19 11:21 ?2233次閱讀

    請(qǐng)問DAC39J84內(nèi)部方式是0嗎?

    請(qǐng)問DAC39J84內(nèi)部方式是0嗎? 請(qǐng)問2x 4x 8x 16x 過程分別是怎樣
    發(fā)表于 01-03 06:41

    Teledyne Lecroy示波器算法

    示波器是通過內(nèi)部硬件ADC對(duì)模擬信號(hào)采樣來獲取離散的數(shù)據(jù)點(diǎn),然而這些離散的數(shù)據(jù)點(diǎn)有時(shí)難以完整呈現(xiàn)出原始模擬信號(hào)的全貌。軟件算法的意義就在于,它能夠依據(jù)特定的數(shù)學(xué)算法,在已采集的數(shù)據(jù)
    的頭像 發(fā)表于 12-24 16:11 ?1861次閱讀