Нелинейный метод наименьших квадратов (Curve Fitting)

Решите нелинейный метод наименьших квадратов (подбор кривых) проблемы в последовательном или параллельном

Прежде чем вы начнете решать задачу оптимизации, необходимо выбрать соответствующий подход: основанный на проблеме или основанный на решателе. Для получения дополнительной информации смотрите, Сначала Выбирают Problem-Based or Solver-Based Approach.

Нелинейный метод наименьших квадратов решает min (∑ || F (xi) - yi || 2), где F (xi) является нелинейной функцией, и yi является данными. Смотрите Нелинейный метод наименьших квадратов (Curve Fitting).

Для подхода, основанного на проблеме создайте переменные задачи, и затем представляйте целевую функцию и ограничения в терминах этих символьных переменных. Для основанных на проблеме шагов, чтобы взять, смотрите Основанный на проблеме Рабочий процесс Оптимизации. Чтобы решить получившуюся задачу, использовать solve.

Для основанных на решателе шагов, чтобы взять, включая определение целевой функции и ограничений и выбора соответствующего решателя, смотрите Настройку Задачи Оптимизации на Основе Решателя. Чтобы решить получившуюся задачу, использовать lsqcurvefit или lsqnonlin.

Функции

развернуть все

evaluateВыполните выражение оптимизации
infeasibilityНарушение ограничений в точке
optimproblemСоздайте задачу оптимизации
optimvarСоздайте переменные оптимизации
solveРешите проблема уравнения или задача оптимизации
lsqcurvefitРешите нелинейный подбор кривых (подбор кривой данных) проблемы в смысле наименьших квадратов
lsqnonlinРешите нелинейный метод наименьших квадратов (нелинейный подбор кривой данных) проблемы

Задачи Live Editor

OptimizeОптимизируйте или решите уравнения в Live Editor

Темы

Основанный на проблеме нелинейный метод наименьших квадратов

Нелинейный метод наименьших квадратов, основанный на проблеме

Основной пример нелинейного метода наименьших квадратов с помощью подхода, основанного на проблеме.

Нелинейный подбор кривой данных Используя несколько подходов, основанных на проблеме

Решите наименьшие квадраты подходящая проблема с помощью других решателей и разных подходов к линейным параметрам.

Подходящее ОДУ, основанное на проблеме

Подходящие параметры на ОДУ с помощью основанных на проблеме наименьших квадратов.

Основанный на решателе нелинейный метод наименьших квадратов

Нелинейный подбор кривой данных

Основной пример, показывающий несколько способов решить соответствующую данным задачу.

Банановая минимизация функции

Показывает, как решить для минимума функции Розенброка, использующей другие решатели, с или без градиентов.

lsqnonlin с Моделью Simulink®

Пример того, чтобы подбирать симулированную модель.

Нелинейный метод наименьших квадратов без и включая якобиан

Пример, показывающий использование аналитических производных в нелинейном методе наименьших квадратов.

Нелинейный Curve Fitting с lsqcurvefit

Пример, показывающий, как сделать нелинейный подбор кривой данных с lsqcurvefit.

Соответствуйте обыкновенному дифференциальному уравнению (ODE)

Пример, показывающий, как соответствовать параметрам ОДУ к данным или подходящим параметрам кривой к решению ОДУ.

Подберите модель к данным с комплексным знаком

Пример, показывающий, как решить задачу нелинейного метода наименьших квадратов, которая имеет данные с комплексным знаком.

Генерация кода

Генерация кода в нелинейном методе наименьших квадратов: Фон

Необходимые условия, чтобы сгенерировать код С для нелинейного метода наименьших квадратов.

Сгенерируйте Код для lsqcurvefit или lsqnonlin

Пример генерации кода для нелинейного метода наименьших квадратов.

Генерация кода оптимизации для приложений реального времени

Исследуйте методы для обработки требований в реальном времени в сгенерированном коде.

Параллельные вычисления

Что такое параллельные вычисления в Optimization Toolbox?

Используйте несколько процессоров для оптимизации.

Используя параллельные вычисления в Optimization Toolbox

Выполните оценку градиента параллельно.

Улучшание производительности с параллельными вычислениями

Исследуйте факторы для ускорения оптимизации.

Алгоритмы и опции

Запишите целевую функцию для основанных на проблеме наименьших квадратов

Синтаксические правила для основанных на проблеме наименьших квадратов.

Наименьшие квадраты (подбор кривой модели) алгоритмы

Минимизация суммы квадратов в размерностях n только со связанными или линейными ограничениями.

Ссылка опций оптимизации

Исследуйте опции оптимизации.

Для просмотра документации необходимо авторизоваться на сайте