タグ付けされた質問 「math」

この質問は、3年ちょっと前に尋ねられました。答えがありましたが、解決策に不具合が見つかりました。 以下のコードはRにあります。別の言語に移植しましたが、元のコードをRで直接テストして、移植に問題がないことを確認しました。 sunPosition <- function(year, month, day, hour=12, min=0, sec=0, lat=46.5, long=6.5) { twopi <- 2 * pi deg2rad <- pi / 180 # Get day of the year, e.g. Feb 1 = 32, Mar 1 = 61 on leap years month.days <- c(0,31,28,31,30,31,30,31,31,30,31,30) day <- day + cumsum(month.days)[month] leapdays …

83 r  math  geometry  astronomy  azimuth 

2つの画像が「類似」しているかどうかを判断し、色、明るさ、形状などの類似パターンを認識するアルゴリズムが必要です。人間の脳が画像を「分類」するために使用するパラメータについて、いくつかのポインタが必要になる場合があります。.. 私はハウスドルフベースのマッチングを見てきましたが、それは主に変換されたオブジェクトと形状のパターンをマッチングするためのようです。

83 algorithm  math  image-comparison 

C ++にはstd :: vectorがあり、JavaにはArrayListがあり、他の多くの言語には独自の形式の動的に割り当てられた配列があります。動的配列のスペースが不足すると、動的配列はより大きな領域に再割り当てされ、古い値が新しい配列にコピーされます。このようなアレイのパフォーマンスの中心となる問題は、アレイのサイズがどれだけ速く成長するかです。常に現在のプッシュに合うだけの大きさに成長する場合は、毎回再割り当てすることになります。したがって、配列サイズを2倍にするか、たとえば1.5倍にするのが理にかなっています。 理想的な成長因子はありますか？2倍？1.5倍？理想とは、数学的に正当化され、パフォーマンスと無駄なメモリのバランスをとることを意味します。理論的には、アプリケーションにプッシュの潜在的な分布がある可能性があることを考えると、これはアプリケーションにいくらか依存していることを理解しています。しかし、「通常」最高の値があるのか​​、それとも厳しい制約の中で最高と見なされる値があるのか​​知りたいです。 これに関する論文がどこかにあると聞きましたが、見つけることができませんでした。

83 arrays  math  vector  arraylist  dynamic-arrays 

私たちが遭遇したすべてのFFT実装は、アルゴリズムへの入力が実数（整数）の離散セットであったとしても、（実数部と虚数部を含む）複素数になります。 周波数領域を実数だけで表すことはできませんか？

83 algorithm  math  audio  signal-processing  fft 

与えられた2つのポリゴン： POLYGON((1 0, 1 8, 6 4, 1 0)) POLYGON((4 1, 3 5, 4 9, 9 5, 4 1),(4 5, 5 7, 6 7, 4 4, 4 5)) 和集合（結合ポリゴン）を計算するにはどうすればよいですか？ Daveの例では、SQLサーバーを使用してユニオンを生成していますが、コードで同じことを実行する必要があります。実際の数学を公開する任意の言語の数式またはコード例を探しています。国を動的に地域に結合するマップを作成しようとしています。私はここで関連する質問をしました：地理的形状のグループ化

83 math  geometry  union 

これを行う方法がわかりませんか？私はコンマ番号を追加しています。もちろん、結果は常にコンマの後に桁数が多すぎる番号です。誰でも？

83 javascript  math  rounding 

数値を生成するために'1+1'呼び出すことなく、文字列（たとえば）の数式を解析および評価するにはどうすればよいeval(string)ですか？ その例では、関数がを受け入れ'1+1'て返すようにし2ます。

82 javascript  string  math  numbers 

手巻き補間器（数学者の大学によって開発された）を使用するプログラムを移植して、scipyが提供する補間器を使用しようとしています。scipy補間器を使用またはラップして、古い補間器に可能な限り近い動作をさせたいと思います。 2つの関数の主な違いは、元の補間器では、入力値が入力範囲より上または下の場合、元の補間器が結果を外挿することです。scipy補間器でこれを試すと、が発生しValueErrorます。このプログラムを例として考えてみましょう。 import numpy as np from scipy import interpolate x = np.arange(0,10) y = np.exp(-x/3.0) f = interpolate.interp1d(x, y) print f(9) print f(11) # Causes ValueError, because it's greater than max(x) クラッシュする代わりに、最後の行が単純に線形外挿を行い、最初と最後の2つのポイントで定義された勾配を無限に続けるようにするための賢明な方法はありますか？ 実際のソフトウェアでは、実際にはexp関数を使用していないことに注意してください。これは説明のためだけのものです。

82 python  math  numpy  scipy 

javascriptで、数値（たとえば、10000）が与えられ、次にパーセンテージ（たとえば、35.8％）が与えられた場合、どうすればよいのでしょうか。 それがいくらであるかをどのように計算しますか（例：3580）

82 javascript  math 

a、b、cを大きくない正の整数とします。a / b / cは常にa /（b * c）とC＃整数演算で等しいですか？私にとって、C＃では次のようになります。 int a = 5126, b = 76, c = 14; int x1 = a / b / c; int x2 = a / (b * c); だから私の質問は：x1 == x2すべてのa、b、cについてですか？

81 c#  math  integer  integer-arithmetic 

Наэтотвопросестьответынаスタックオーバーフローнарусском：ПолучитькореньN-ойстепени JavaScriptを使用して数値のn乗根を取得しようとしていますが、組み込みMathオブジェクトを使用して取得する方法がわかりません。私は何かを見落としていますか？ そうでない場合... この機能を備えた、使用できる数学ライブラリはありますか？ そうでない場合... これを自分で行うための最良のアルゴリズムは何ですか？

81 algorithm  math  javascript 

np.corrcoefが行列を返すのは私には奇妙に思えます。 correlation1 = corrcoef(Strategy1Returns,Strategy2Returns) [[ 1. -0.99598935] [-0.99598935 1. ]] なぜこれが当てはまるのか、そして古典的な意味で1つの値だけを返すことが可能かどうかを誰かが知っていますか？

81 python  math  numpy 

O（log * N）とは何ですか？O（log N）とどう違うのですか？

80 algorithm  math  complexity-theory  logarithm  iterated-logarithm 

コンピューターに不思議なことに気づきました。*手書きの分割可能性テストは、%オペレーターよりも大幅に高速です。最小限の例を考えてみましょう： * AMD Ryzen Threadripper 2990WX、GCC 9.2.0 static int divisible_ui_p(unsigned int m, unsigned int a) { if (m <= a) { if (m == a) { return 1; } return 0; } m += a; m >>= __builtin_ctz(m); return divisible_ui_p(m, a); } 例は奇数aとによって制限されm > 0ます。ただし、すべてのaおよびに簡単に一般化できますm。コードは除算を一連の追加に変換するだけです。 でコンパイルされたテストプログラムを考えてみましょう-std=c99 -march=native -O3： for (unsigned …

23 c  math  x86  compiler-optimization  modulo 

元のリソースであるAndrej Karpathyブログから、ポリシーグラデーションの非常に単純な例を再現しようとしています。その記事には、カートポールとポリシーグラディエントの例と、ウェイトとソフトマックスのアクティブ化のリストがあります。これは、完璧に機能する CartPoleポリシーグラディエントの非常に単純な再作成例です。 import gym import numpy as np import matplotlib.pyplot as plt from sklearn.preprocessing import PolynomialFeatures import copy NUM_EPISODES = 4000 LEARNING_RATE = 0.000025 GAMMA = 0.99 # noinspection PyMethodMayBeStatic class Agent: def __init__(self): self.poly = PolynomialFeatures(1) self.w = np.random.rand(5, 2) def policy(self, state): z = state.dot(self.w) exp = …

19 python  machine-learning  math  deep-learning  reinforcement-learning