Jack315
发表于 2023-9-29 13:43:16
Ickiverar 发表于 2023-9-29 00:16
我一直想用级数展开继续搞这个,但是也不好搞出形式简洁而且误差较低的。
无限增加级数项,倒是可以无限降 ...
造成拟合精度上不去的原因在于 \(x=1\) 处的奇点。
在这个点上 2F1 的二阶导数为 \(\infty\)。
这个事实表明 2F1 曲线目测很丝滑,实际上曲率圆半径不断减小,最后塌缩为一个点。
所以 LZ 提供(四个参数)的补偿函数有个天花板,
而 18 楼给出的是全局最优解,没有之一。
要达到所需精度,使用级数拟合是一个选项。
可选的级数有:
1) 幂级数;
2) Fourier 级数;
3) Chebyshev 多项式“级数”
……
Chebyshev 多项式“级数” 可能是三者之中性能最好的。
级数项数(参数、系数数量)越多,拟合精度越高。
但随着级数项数的增加,CPU 越来越不堪重负。
因此拟合精度的比赛就变成了算力的比赛……
用级数拟合只要是有限项,就一定存在天花板。只有无穷项才能精确拟合。
与 0.999...=1 这个问题类似,无穷循环等式才成立。
用加窗的单峰函数去拟合,或许也是一个选项。
基于同样的原因,应该也有个天花板存在。
实在没时间玩了,暂时没有明确的结论。
elim
发表于 2023-9-29 14:29:35
已知 $Err(x)=\sum_{k=_1}^m\chi_{I_k}(x)\varphi_k(x), I_k=, a_0<\cdots < a_m = $1
其中 $\varphi_k$ 连续,在$I_k$内部非零且 k>0 时 \(\varphi_k\)非凸即凹. 令 $\psi_k(t) = \varphi_k((a_k-a_{k-_1})t+a_{k-_1})$
因为 $\psi_k$ 不变号且相当平滑, 其模已经在 e-7 级别,对每个 $\psi_k$ 可作切比雪夫逼近 $\zeta_k$
使 $|\psi_k-\zeta_k|$在 e-12
Jack315
发表于 2023-9-29 17:02:55
elim 发表于 2023-9-29 14:29
已知 $Err(x)=\sum_{k=_1}^m\chi_{I_k}(x)\varphi_k(x), I_k=, a_0<\cdots < a_m = $1
其 ...
这个思路是否就是加窗单峰逐个进行拟合的意思?
如果理解不错的话,这里有个窗函数的问题。
题目要求使用基本初等函数,即不能使用 Floor 函数,
所以这个窗函数在窗口边界外无法做到为零。
这就要求拟合函数在窗口边界外有界,
或者无界的情况下,增长的速度不能比窗函数的衰减速度快。
如果可以使用 Floor 函数的话,也就是窗口边界外窗函数为零,
这个题应该没什么难度。
elim
发表于 2023-9-29 22:38:09
只有逐个单峰拟合,也就是分段拟合才能有效地降低拟合复杂度.换句话说,要实现e-12这种拟合精度,初等函数这个要求会迫使拟合函数族的自由度(参量或拟合函数空间的维度)飙升到只好作罢的地步.
楼主的初始拟合方略是我给出的.大致这么几个阶段:设计拟合函数空间,观图肉眼调试参数,梯度法优化参数.这条路走到现在有理有据有天花板.要突破最可行的就是允许分段拟合了.前景应该是乐观的.
Jack315
发表于 2023-9-30 05:44:14
elim 发表于 2023-9-29 22:38
只有逐个单峰拟合,也就是分段拟合才能有效地降低拟合复杂度.换句话说,要实现e-12这种拟合精度,初等函数 ...
不愧是前辈!
如果可以使用类似下列窗函数(Floor 函数),
或者直接就是 Mathematica 中的 Piecewise[...] 函数,
或许再花点时间玩一下:
\
用这个窗函数,达到 1e-12 的拟合精度确实非常有可能。
就是不知道是不是符合 LZ 题目的要求……
LZ 这两天去哪里了?去挖矿了吗:lol
elim
发表于 2023-9-30 09:26:47
Jack315 发表于 2023-9-30 05:44
不愧是前辈!
如果可以使用类似下列窗函数(Floor 函数),
简单的 piecewise 逼近,对 e-12这种目标来说,势必piece 量巨大。所以还是单峰单坑逼近。
Jack315
发表于 2023-9-30 09:41:06
elim 发表于 2023-9-30 09:26
简单的 piecewise 逼近,对 e-12这种目标来说,势必piece 量巨大。所以还是单峰单坑逼近。 ...
本意是由 Piecewise[...] 构成窗函数,
一个 Piecewise[...] 对一个峰。
与 fWin(x) 函数等效的一个作用。
以 18# 的结果为前题,
五个峰对应五个 \(fWin(x)\times fFit(x,...)\) 函数,
或五个\(Piecewise[...]\times fFit(x,...)\) 函数。
实现 1e-12 还是比较有希望的。
elim
发表于 2023-10-2 07:14:19
Jack315 发表于 2023-9-30 09:41
本意是由 Piecewise[...] 构成窗函数,
一个 Piecewise[...] 对一个峰。
与 fWin(x) 函数等效的一个作用 ...
可行性是有理论保证的。
页:
3
4
5
6
7
8
9
10
11
12
[13]