Partial Derivatives
Partial Derivatives
我正在尝试编写一个算法,将执行n维混合偏导数。我知道我需要能够实现什么,但是我似乎无法提出实现n维情况所需的正确循环/递归。
以下是前4个维度的模式:
| 1D wzyx | 2D | 3D | 4D |
----------------------------------------------------------
| dx (0001) | dx (0001) | dx (0001) | dx (0001) |
| | dy (0010) | dy (0010) | dy (0010) |
| | dyx (0011) | dyx (0011) | dyx (0011) |
| | | dz (0100) | dz (0100) |
| | | dzx (0101) | dzx (0101) |
| | | dzy (0110) | dzy (0110) |
| | | dzyx (0111) | dzyx (0111) |
| | | | dw (1000) |
| | | | dwx (1001) |
| | | | dwy (1010) |
| | | | dwyx (1011) |
| | | | dwz (1100) |
| | | | dwzx (1101) |
| | | | dwzy (1110) |
| | | | dxyzw (1111) |
每个维度的导数数(因为它遵循二进制模式)是(2^dim)-1;例:2^3 = 8 - 1 = 7。
为dyx的导数是y维中相邻点的dx值。这对所有的混合偏导数都成立。所以dzyx等于z维中相邻点的dyx。我不确定这段话是否与这个问题相关,我只是想把它放在这里以保持完整性。
欢迎任何帮助、指示和建议。黑体部分是我需要意识到的部分。
::编辑::
我将通过提供一个我需要的示例来尝试更明确一点。这只是一个2D的例子,但我认为它体现了整个过程。
我需要帮助想出算法,将生成列dx, dy, dyx等的值。
| X | Y | f(x, y) | dx | dy | dyx |
-------------------------------------------------------------------------
| 0 | 0 | 4 | (3-4)/2 = -0.5 | (3-4)/2 | (-0.5 - (-2.0))/2 |
| 1 | 0 | 3 | (0-4)/2 = -2.0 | (2-3)/2 | (-2.0 - (-2.0))/2 |
| 2 | 0 | 0 | (0-3)/2 = -1.5 | (-1-0)/2 | (-1.5 - (-1.5))/2 |
| 0 | 1 | 3 | (2-3)/2 = -0.5 | (0-4)/2 | (-0.5 - (-0.5))/2 |
| 1 | 1 | 2 | (-1-3)/2 = -2.0 | (-1-3)/2 | (-1.5 - (-2.0))/2 |
| 2 | 1 | -1 | (-1-2)/2 = -1.5 | (-4-0)/2 | (-1.5 - (-1.5))/2 |
| 0 | 2 | 0 | (-1-0)/2 = -0.5 | (0-3)/2 | (-0.5 - (-0.5))/2 |
| 1 | 2 | -1 | (-4-0)/2 = -2.0 | (-1-2)/2 | (-2.0 - (-2.0))/2 |
| 2 | 2 | -4 |(-4--1)/2 = -1.5 |(-4--1)/2 | (-1.5 - (-1.5))/2 |
f(x, y)是未知的,只知道它的值;所以解析微分是没有用的,它只能是数值。
欢迎任何帮助、指示和建议。黑体部分是我需要意识到的部分。
::EDIT - AGAIN::
在这里创建了一个Gist: https://gist.github.com/1195522
函数式编程很好地解决了这个问题。的确, partial__ {xy}f是partial_y f沿x的偏导数。
我假设你有一个黑盒函数(或函数对象)f
,将其值作为指向内存缓冲区的指针。它的签名被假定为
double f(double* x);
现在,这里是一个代码来获得f的(二阶有限差分)偏导数:
template <typename F>
struct partial_derivative
{
partial_derivative(F f, size_t i) : f(f), index(i) {}
double operator()(double* x)
{
// Please read a book on numerical analysis to tweak this one
static const double eps = 1e-4;
double old_xi = x[index];
x[index] = old_xi + eps;
double f_plus = f(x);
// circumvent the fact that a + b - b != a in floating point arithmetic
volatile actual_eps = x[index];
x[index] = old_xi - eps;
actual_2eps -= x[index]
double f_minus = f(x);
return (f_plus - f_minus) / actual_2eps;
}
private:
F f;
size_t index;
};
template <typename F>
partial_derivative<F> partial(F f, index i)
{
return partial_derivative<F>(f, i);
}
现在,要计算partial_{123}f,可以这样做:
boost::function<double(double*)> f_123 = partial(partial(partial(f, 0), 1), 2);
如果需要全部计算:
template <typename F>
boost::function<double(double*)> mixed_derivatives(F f, size_t* i, size_t n_indices)
{
if (n_indices == 0) return f;
else return partial(mixed_derivatives(f, i + 1, n_indices - 1), i[0]);
}
所以你可以这样做:
size_t indices[] = { 0, 1, 2 };
boost::function<double(double*)> df_123
= mixed_derivatives(f, indices, sizeof(indices) / sizeof(size_t));
如果我理解正确的话,我认为以下方法可以奏效:
function partial_dev(point, dimension):
neighbor_selector = top_bit(dimension)
value_selector = dimension XOR neighbor_selector
prev_point = point_before(point,neighbor_selector)
next_point = pointafter(point,neighbor_selector)
if value_selector == 0:
return (f[prev_point] - f[next_point])/2
else:
return ( partial_dev(prev_point, value_selector) -
partial_dev(next_point, value_selector) )/2
这个想法是:你的维度值的顶部位是在之前和之后点被选择的坐标。如果维度值的其余部分为0,则使用该点的f
值进行偏导数计算。如果不是,则得到由其余位表示的偏导数来计算值。
如果需要计算所有维度值的所有值,则根本不需要递归:只需使用维度选择器作为数组索引,其中每个数组元素包含该维度的完整值集。初始化为vals[0][coords] = f(coords)
。然后计算vals[1]
, vals[2]
,计算vals[3]
时,使用vals[1]
作为值表而不是vals[0]
(因为3 = 0b11
,其中邻居选择器为0b10
, value_selector为0b01
)。
看起来似乎可以根据维度(二进制位的数量)进行循环,然后递归到下一个二进制位。
粗略(非c++)伪代码:
Function partialcalc(leadingdigit, dimension)
If dimension > 1 {
For i = 1 to dimension {
//do stuff with these two calls
partialcalc(0, i - 1)
partialcalc(1, i - 1)
}
}
Else {
//partialcalc = 1D case
}
return partialcalc
End Function
递归的工作方式是,你有一个问题,它可以被分解成子问题,这些子问题与大问题等效,只是小一些。既然你用的是所有的二进制数字的第5位,那么你就可以在最上面的维度上做计算通过递归到两个子问题基于维度上的0和1的值。递归的底部是dimension = 1级别。既然您强调了您只需要弄清楚如何构造循环递归,并且已经弄清楚了数学运算,那么这个结构应该适合您。
好吧,从答案开始,我的第一个想法是用切比雪夫多项式进行插值。这个近似可以很容易地微分(或积分)。
Gnu Scientific Library有一个实现。
注意,我不是数值方法的专家,所以我不能解释这个方法的问题。然而,如果你想要一个局部近似值,它应该可以很好地工作。
- std::get like (partial) template specialization
- 函数模板(它是类模板的成员)的显式专用化会产生"partial specialization is not allowed"错误,为什么?
- OpenCV VideoCapture Partial Frame Corruption
- 为什么不执行"partial RVO"?
- 在 temp.deduct.partial 中,为什么参数包的专用性较低?
- LWJGL:使用"partial"轴的奇怪矩阵旋转效果
- 我们可以使用异构查找比较器对 STL 关联容器执行"partial-match"搜索吗?
- VS 编译器错误 C2752 ( "more than one partial specialization matches" ) 在 STL 中
- Using Partial Specialization in C++11
- c++ boost::bind vs clojure partial function
- OpenCV:在QImage上使用GaussianBlur或Sobel Derivatives
- boost::bind & boost::function with partial args
- Partial Derivatives
- 帮我解决"template parameters not used in partial specialization"
- partial ordering with L-value-ref
- 有没有相当于python的functools.partial 的C++