问题标签 [approximation]

我有一组 N 个对象，我想计算一个 NxN 距离矩阵。有时我的 N 个对象集非常大，我想通过仅计算距离比较的子集来计算 NxN 距离矩阵的近似值。

谁能指出我计算全距离矩阵近似值的方向？我有一些想法，但我想避免重新发明轮子。

编辑：算法类型的一个示例将利用这样一个事实，即如果对象 A 和对象 B 之间的距离非常小，并且对象 B 和对象 C 之间的距离非常小，则必须有一些物体 A 和 C 之间的距离很短。

由于我不知道我现在在做什么，我的措辞可能听起来很有趣。但说真的，我需要学习。

我面临的问题是提出一种方法（模型）来估计软件程序的工作方式：即运行时间和最大内存使用量。我已经拥有的是大量数据。该数据集概述了程序在不同条件下的工作方式，例如

我有成千上万行这样的数据。现在，如果我提前知道所有标准，我需要知道如何估计（预测）运行时间和最大内存使用量。我需要的是一个给出提示（上限或范围）的近似值。

我感觉这是典型的？？？我不知道的问题。你们能给我一些提示或给我一些想法（理论、解释、网页）或任何可能有帮助的东西。谢谢！

我正在建立一个网站。它有用户可以加入的组。

此组与“正常”组之间的区别在于成员资格是临时的 - 当用户加入组时，他决定成员资格的长度：5 天、一周、2 周等（选择是预定义的）。或者可能所有的会员资格都可以设置为相同的长度——比如一周——如果这样可以让事情变得更简单。

我想对每个组的成员数量进行统计。该数字不需要精确到最后一秒。但它也不能太过时——比如说，应该每天更新一次。

计算成员数量的“明显”方法似乎是运行一项 cron 作业，例如每天，并逐个检查每个组的每个成员。如果成员资格已过期，请将该成员从组中删除，并将组的成员计数减 1。

这种方法似乎非常低效且不可扩展。如果有大量的组，这可能需要很长时间。

你能想出更好的方法来做到这一点吗？成员计数不需要精确到最新的秒数。它可能是近似的并且（稍微）过时。此外，如果有所不同，所有成员资格都可以设置为相同的长度，比如一周。

我有一个由线段和圆弧组成的折线轮廓，我想将其挤压成棱镜。

由于我的挤压功能只支持直边多边形，我需要使用线段来近似弧。

圆弧通过起点、中心点和扫角 (CCW) 定义。

我需要显示的扫角范围从 <10° 到 179.9°，半径范围从 0.3 毫米到 300 毫米。

我目前计算要计算的弧顶点数量并以原始方式将它们添加到我的多边形中：我只是在给定弧长的每毫米上放置一个顶点。虽然这可行，但对于具有大半径和小扫角的弧来说似乎非常低效。

必须有一种算法可以为所有类型的弧生成良好的近似值。如果有，我想知道一些关键字来缩小我的谷歌搜索范围。

我从其他地方得到这个代码片段。据站长称，代码选自Knuth 的计算机编程艺术

由于我没有那本书的副本，请问这两个功能有什么区别？

我正在解决一个有趣的机器学习问题，并且很想听听是否有人知道一个好的算法来处理以下问题：

• 算法必须学会逼近N 个输入和M 个输出的函数
• N 相当大，例如1,000-10,000
• M 非常小，例如5-10
• 所有输入和输出都是浮点值，可以是正数或负数，绝对值可能相对较小，但不能绝对保证边界
• 每个时间段我得到 N 个输入并需要预测 M 个输出，在时间段结束时提供 M 个输出的实际值（即，这是一种需要在线学习的监督学习情况）
• 底层函数是非线性的，但不是太讨厌（例如，我希望它在大部分输入空间上都是平滑和连续的）
• 函数中会有少量噪声，但信号/噪声可能很好 - 我预计 N 个输入将解释 95% 以上的输出值
• 基础功能随着时间的推移而缓慢变化- 不太可能在单个时间段内发生剧烈变化，但可能会在 1000 多个时间段范围内发生轻微变化
• 没有隐藏状态需要担心（除了改变函数），即所有需要的信息都在 N 个输入中

我目前正在考虑某种具有大量隐藏节点的反向传播神经网络可能会起作用 - 但这真的是这种情况的最佳方法吗？它会处理不断变化的功能吗？

考虑以下代码片段

我得到的输出是

为什么将浮点数分配给双变量时会有近似值？

我正在尝试编写一种算法，在 2D 中围绕其中心旋转一个正方形，直到它与从相同位置开始、大小相同且中心相同的旋转正方形匹配或“足够接近”。这很容易。

然而，正方形的角需要匹配，因此要获得匹配，要旋转的正方形的右上角必须足够接近旋转正方形的原始右上角。

我正在尝试使其尽可能高效，因此如果基于上述标准的两个正方形的接近度变得更差，我知道我需要尝试朝相反的方向旋转。

我已经编写了旋转正方形的方法，并测试它们彼此之间的接近程度

我的主要问题是我应该如何根据我得到的接近程度来改变每次迭代的旋转量

例如，如果当前测量值比前一个更近，则将角度减半并沿相同方向移动，否则将角度加倍并沿相反方向旋转？

但是，我认为这在效率方面并不是一个很差的解决方案。

任何想法将不胜感激。

我在学习期末考试时遇到了这个问题，但我似乎无法让它发挥作用。问题本身如下所示。任何有关如何解决此问题的帮助将不胜感激。

下面是我处理的类似问题的代码。我希望它可以作为解决这个问题的基础

这是实际的问题：

Wa 正在谈论非均匀有理 B 样条。我们有一些简单的 3 维数组，比如

哪些是由某些 B 样条创建的平面上的点

如何找到创建该平面的样条控制点？（我知道这是一项艰巨的任务，因为需要计算权重，但我真的希望它是可以解决的）

对于不知道问题的人 - 抱歉我的文章很糟糕 - 我们有一些点是这里渲染的平面的一部分，我们需要找到形成样条曲线的控制点，其解决方案是那个渲染的平面。