สัมประสิทธิ์การลอยและการแพร่
โครงการเรียนรู้เพนกวิน
โครงการใช้ข้อมูลเพนกวิน Palmer ที่สมบูรณ์ 342 แถว: ชุดฝึก 240 และชุดทดสอบ 102 แถว แถวฝึกที่เลือกกำหนดการปรับสเกลและพารามิเตอร์ CSV ต้นฉบับ
โครงการนี้ฝึกน้ำหนักด้วย softmax ต่างจากแล็บในหน้าแรกที่ใช้ค่าเฉลี่ยของสายพันธุ์ที่ใกล้ที่สุด ข้อมูลวัดเพนกวินชุดเดียวกัน แต่วิธีจำแนกต่างกัน คำทำนายอาจต่างกันได้
สมการเชิงอนุพันธ์และกระบวนการสุ่ม · อธิบายสมการเชิงอนุพันธ์และการแทนด้วยกระบวนการสุ่ม
PDE และแบบจำลองควอนตัมไม่ใช่การดำเนินการกับข้อมูลเพนกวินนี้
พิจารณาแนวคิดนี้ร่วมกับโครงการ สมมติฐานของต้นฉบับอาจต่างกัน ข้อมูลชุดนี้ไม่พิสูจน์ทฤษฎีบท
ข้อมูลเข้า: 12 × 2; ประเมินชุดทดสอบ: 102 · #58 · 40.6 มม., 193 มม.. คำตอบที่ทราบ: อาเดลี; ค่าทำนาย: อาเดลี · [≈0.7383, ≈0.2444, ≈0.01737].
ใช้ในส่วนต้นฉบับเหล่านี้: 4.3 เมื่อสมการวิทยาศาสตร์ช่วยได้
ในสมการเชิงอนุพันธ์แบบสุ่ม μ เป็นสัมประสิทธิ์การลอย และ σ เป็นสัมประสิทธิ์การแพร่
สัมประสิทธิ์กำหนดการเปลี่ยนแปลงแบบแน่นอนและแบบสุ่มในกระบวนการ
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างประกอบ · นี่คือขั้นออยเลอร์แบบสเกลาร์หนึ่งขั้นที่มีส่วนเพิ่มกำหนดให้ ไม่ได้แก้สมการเชิงอนุพันธ์แบบสุ่มอย่างแม่นตรงหรือระบุการแจกแจงของสมการ
สัญลักษณ์
- ฟังก์ชันสัมประสิทธิ์การลอย
- ฟังก์ชันสัมประสิทธิ์การแพร่
- ขั้นเวลาบวก
- ส่วนเพิ่มของการเคลื่อนที่แบบบราวน์
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ
แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท
ลำดับข้อมูลในตัวอย่างนี้
โค้ดเปลี่ยนแล้ว กดรีเซ็ตเพื่อคืนลำดับข้อมูลของตัวอย่าง
ค่าเริ่มต้นในโค้ด
current=1drift=2diffusion=0.5dt=0.1brownianIncrement=0.2
คำนวณที่นี่
นิพจน์ผลลัพธ์: {
current,
drift,
diffusion,
dt,
brownianIncrement,
next: current + drift * dt + diffusion * brownianIncrement,
}
ส่งกลับ
current- 1
drift- 2
diffusion- 0.5
dt- 0.1
brownianIncrement- 0.2
next- 1.3
อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.
ผลลัพธ์
ข้อความทางเทคนิค
ค่าตัวเลขสร้างขึ้น นี่คือขั้นออยเลอร์แบบสเกลาร์หนึ่งขั้นที่มีส่วนเพิ่มกำหนดให้ ไม่ได้แก้สมการเชิงอนุพันธ์แบบสุ่มอย่างแม่นตรงหรือระบุการแจกแจงของสมการ
แหล่งอ้างอิง: สัญกรณ์ในข้อความ