问题标签 [numerical]

我正在尝试将无效值设置为 -1.. 但我不喜欢幻数.. 任何人都知道在哪里可以找到一组公共常量。我在 VS6 (ish) 中工作。

我正在尝试从网络中读取文件，我需要一个错误的文件总大小值，所以我知道我是否得到了有效的信息。0 是有效的大小，所以我不能使用它。

哈珀谢尔比击中了头上的钉子……只是一个小拇指。他提到了win32常量..这正是我在想的..现在找到一个链接:)

这是一个非常基本的问题，但这是我第一次使用 MATLAB，我被困住了。我需要使用 3 种不同的数值积分技术来模拟一个简单的系列 RC 网络。我想我了解如何使用 ode 求解器，但我不知道如何输入系统的微分方程。我需要通过 m 文件来完成吗？

它只是一个简单的 RC 电路，形式如下：

初始条件为零。我有 R、C、步长和仿真时间的值，但我不知道如何特别好地使用 MATLAB。

任何帮助深表感谢！

我有一些表达式，例如x^2+y^2我想用于一些数学计算的表达式。我想做的一件事是取表达式的偏导数。

因此，如果f(x,y) = x^2 + y^2then 的部分f相对于x将是2x，则相对于的部分y将是2y。

我使用有限差分法编写了一个极小的函数，但我遇到了很多浮点精度问题。例如，我最终得到1.99234而不是2. 有没有支持符号微分的库？还有其他建议吗？

有人对评估超几何函数的算法有经验吗？我会对一般参考资料感兴趣，但我会描述我的特殊问题，以防有人处理过它。

我的具体问题是评估 3F2(a, b, 1; c, d; 1) 形式的函数，其中 a、b、c 和 d 都是正实数且 c+d > a+b+1。有很多特殊情况都有封闭式公式，但据我所知，一般没有这样的公式。以零为中心的幂级数收敛于 1，但非常缓慢；连续系数的比率在极限内变为 1。也许像 Aitken 加速这样的东西会有所帮助？

我有一列数字存储为字符。当我为此列执行 ORDER BY 时，我得到以下信息：

100
131
200
21
30
31000
等

如何以数字方式订购这些字符？我需要转换一些东西还是已经有一个 SQL 命令或函数？

谢谢你。

我有一个（一阶）ODE 系统，计算导数相当昂贵。

然而，在给定的误差范围内，导数的计算成本要低得多，因为导数是从收敛序列计算的，并且边界可以放在丢弃项的最大贡献上，或者通过使用存储在 kd-tree 中的预先计算的范围信息/octree 查找表。

不幸的是，我还没有找到任何可以从中受益的通用 ODE 求解器；他们似乎都只是给你坐标并想要一个准确的结果。（请注意，我不是 ODE 方面的专家；我熟悉 Runge-Kutta、Numerical Recipies 书中的材料、LSODE 和 Gnu 科学图书馆的求解器）。

即对于我见过的所有求解器，您提供了一个derivs回调函数，接受 at和一个数组x，并返回一个返回数组dx/dt；但理想情况下，我正在寻找一个能提供回调t、xs和一系列可接受的错误，并接收dx/dt_min和dx/dt_max返回数组的方法，其导数范围保证在所需的精度范围内。（可能有许多同样有用的变体）。

任何考虑到这种事情而设计的求解器的指针，或解决问题的替代方法（我不敢相信我是第一个想要这样的东西的人）将不胜感激。

我需要在我的 Java 程序中解决非线性最小化（N 个未知数的最小残差平方）问题。解决这些问题的常用方法是Levenberg-Marquardt算法。我有一些问题

• 有人对可用的不同 LM 实现有经验吗？LM 的风格略有不同，我听说该算法的确切实现对其数值稳定性有重大影响。我的功能表现得非常好，所以这可能不是问题，但我当然想选择一个更好的选择。以下是我发现的一些替代方案：

  • FPL 统计组的非线性优化 Java 包。这包括经典 Fortran MINPACK 例程的 Java 翻译。

  • JLAPACK，另一个 Fortran 翻译。

  • 优化算法工具包。

  • Java 数字。

  • 一些 Python 实现。纯 Python 就可以了，因为它可以用 jythonc 编译成 Java。

• 是否有任何常用的启发式方法来进行 LM 所需的初始猜测？

• 在我的应用程序中，我需要对解决方案设置一些约束，但幸运的是它们很简单：我只要求解决方案（为了成为物理解决方案）是非负的。稍微负的解决方案是数据测量不准确的结果，显然应该为零。我正在考虑使用“常规”LM，但会进行迭代，以便如果某些未知数变为负数，我将其设置为零并从中解决其余的问题。真正的数学家可能会嘲笑我，但你认为这可行吗？

感谢您的任何意见！

更新：这不是火箭科学，要解决的参数数量（N）最多为 5 个，数据集几乎不足以解决问题，所以我相信 Java 足够有效地解决这个问题。而且我相信这个问题已经被聪明的应用数学家解决了无数次，所以我只是在寻找一些现成的解决方案，而不是自己做饭。例如，如果它是纯 Python，Scipy.optimize.minpack.leastsq 可能会很好。

如何对无限范围内的一维积分进行数值积分（使用什么数值方法，以及使用什么技巧），其中被积函数中的一个或多个函数是一维量子谐振子波函数。除其他外，我想在谐振子基础上计算某些函数的矩阵元素：

phi _n (x) = N _n H _n (x) exp(-x ² /2)
其中 H _n (x) 是Hermite 多项式

V _m,n = \int_{-infinity}^{infinity} phi _m (x) V(x) phi _n (x) dx

在存在宽度不同的量子谐波波函数的情况下也是如此。

问题是波函数 phi _n (x) 具有振荡行为，这对于较大的n来说是个问题，并且来自 GSL（GNU 科学图书馆）的自适应 Gauss-Kronrod 正交等算法需要很长时间来计算，并且误差很大。

在我的 64 位 Debian/Lenny 系统（4GByte RAM + 4GByte 交换分区）上，我可以成功地做到：

但是 f 是 anp.complex128的内存消耗是令人震惊的，我不能对结果做更多​​的事情（例如调制系数然后f=ifftn(f)）而没有MemoryError回溯。

与其安装更多的 RAM 和/或扩展我的交换分区，是否有某种方法可以控制 scipy/numpy “默认精度”并让它计算一个 complex64 数组？

我知道我可以在之后使用f=array(f,dtype=np.complex64); 我希望它实际上以 32 位精度和一半的内存进行 FFT 工作。

在任何情况下按字母顺序对数字数据进行排序很有用？例如

当按升序排序时，给出：