Exponenta Banner

scramble

Скремблируйте набор квазислучайной точки

свернуть все на странице

Синтаксис

ps = scramble(p,type)
ps = scramble(p,'clear')
ps = scramble(p)

Описание

пример

ps = scramble(p,type) возвращает скремблированную копию ps из точки устанавливает p, созданное использование типа скремблирования задано type. Точка установила p любой haltonset или sobolset объект и каждый тип точки устанавливают, поддерживает различный тип скремблирования.

Скремблированная точка установила ps тот же вид объекта как p.

пример

ps = scramble(p,'clear') удаляет скремблирование, сходящее с p и возвращает результат в ps.

пример

ps = scramble(p) повторно применяет существующую установку скремблирования на p, который обычно приводит к различному набору точки из-за случайности борющихся алгоритмов.

Примеры

свернуть все

Скрипт Open Live Script

Сгенерируйте 3D набор точки Холтона, пропустите первые 1 000 значений, и затем сохраните каждую 101-ю точку.

p = haltonset(3,'Skip',1e3,'Leap',1e2)
p = 
Halton point set in 3 dimensions (89180190640991 points)

Properties:
              Skip : 1000
              Leap : 100
    ScrambleMethod : none

Примените противоположное основание, борющееся при помощи scramble.

p = scramble(p,'RR2')
p = 
Halton point set in 3 dimensions (89180190640991 points)

Properties:
              Skip : 1000
              Leap : 100
    ScrambleMethod : RR2

Сгенерируйте первые четыре точки при помощи net.

X0 = net(p,4)
X0 = 4×3

    0.0928    0.6950    0.0029
    0.6958    0.2958    0.8269
    0.3013    0.6497    0.4141
    0.9087    0.7883    0.2166

Сгенерируйте каждую третью точку, до одиннадцатой точки, при помощи индексации круглой скобки.

X = p(1:3:11,:)
X = 4×3

    0.0928    0.6950    0.0029
    0.9087    0.7883    0.2166
    0.3843    0.9840    0.9878
    0.6831    0.7357    0.7923
Скрипт Open Live Script

Создайте и скремблируйте пятимерный набор точки Sobol. Задайте 'MatousekAffineOwen' скремблируйте тип.

p = sobolset(5);
ps = scramble(p,'MatousekAffineOwen');

Сравните первые четыре точки в двух наборах точки.

X = net(p,4)
X = 4×5

         0         0         0         0         0
    0.5000    0.5000    0.5000    0.5000    0.5000
    0.2500    0.7500    0.2500    0.7500    0.2500
    0.7500    0.2500    0.7500    0.2500    0.7500


X2 = net(ps,4)
X2 = 4×5

    0.6681    0.2784    0.2476    0.5688    0.0513
    0.4485    0.6735    0.5417    0.3285    0.9719
    0.9940    0.9606    0.3515    0.1586    0.4742
    0.1550    0.1202    0.9226    0.9262    0.5491

Удалите скремблирование, сходящее с ps при помощи 'clear' опция. Точка установила clearps соответствует исходная точка установила p.

clearps = scramble(ps,'clear');
clearX = net(clearps,4)
clearX = 4×5

         0         0         0         0         0
    0.5000    0.5000    0.5000    0.5000    0.5000
    0.2500    0.7500    0.2500    0.7500    0.2500
    0.7500    0.2500    0.7500    0.2500    0.7500

Передайте ps к scramble функция без дополнительных входных параметров. Программное обеспечение удаляет скремблирование, сходящее с ps и затем повторно применяет его. Из-за случайности борющегося алгоритма новая скремблированная точка установила newps отличается от исходного скремблированного набора точки ps.

newps = scramble(ps);
newX = net(newps,4)
newX = 4×5

    0.6882    0.6261    0.9298    0.3314    0.4169
    0.2442    0.1978    0.4307    0.6286    0.8666
    0.7827    0.2868    0.5172    0.8430    0.1261
    0.2772    0.8576    0.0164    0.1404    0.5905

Входные параметры

свернуть все

Набор точки в виде любого haltonset или sobolset объект.

Пример: sobolset(5)

Скремблируйте тип в виде 'RR2' или 'MatousekAffineOwen'. Различные наборы точки поддерживают различные типы скремблирования, как обозначено в этой таблице.

ОбъектСкремблируйте тип
haltonset

'RR2' — Сочетание радикальных обратных коэффициентов, выведенных путем применения операции противоположного основания ко всем возможным содействующим значениям. Скремблирование описано в [1].

sobolset

'MatousekAffineOwen' — Случайное линейное скремблирование объединено со случайным цифровым сдвигом. Скремблирование описано в [2].

Ссылки

[1] Kocis, L. и В. Дж. Уайтн. “Вычислительные Расследования Последовательностей Низкого Несоответствия”. Транзакции ACM на Mathematical Software. Издание 23, № 2, 1997, стр 266–294.

[2] Matousek, J. “На L2-несоответствии для Привязанных Полей”. Журнал Сложности. Издание 14, № 4, 1998, стр 527–556.

Смотрите также

| | |

Введенный в R2008a

Документация Statistics and Machine Learning Toolbox

Поддержка