Nano Hash - криптовалюты, майнинг, программирование

Как оценить функцию для входного массива [matlab]

Предположим, у меня есть функция func.m в Matlab

  function [sum] = func(x)
      d = length(x);
      sum = 0;
      for i = 1:d
        sum = sum + x(i)^2;
    end
  end

и два вектора, определенные как

  x1 = 1:10;
  x2 = 1:10;

Как я могу оценить значения функции for each [x1[i] x2[i]] for i = 1:10 и сохранить результат в векторе без использования цикла for.

13.11.2016

  • Немного непонятно, что вы пытаетесь сделать. Просьба уточнить 13.11.2016
  • @Italy Что я хочу, так это z[1] = func([x1[1] x2[1]]), z[2] = func([x1[2] x2[2]]), ... z[ 10] = функция ([x1[10] x2[10]]) 13.11.2016

Ответы:


1

Сначала вам нужно создать матрицу M, где каждый столбец представляет собой пару параметров, которые вы хотите отправить в функцию.

e.g.:

>> x1 = 1:10
>> x2 = 1:10

x1 =

     1     2     3     4     5     6     7     8     9    10


x2 =

     1     2     3     4     5     6     7     8     9    10

>> M =[x1;x2]

M =

     1     2     3     4     5     6     7     8     9    10
     1     2     3     4     5     6     7     8     9    10

Затем мы создаем массив ячеек, содержащий пары параметров (столбцы M):

>> M2 = num2cell(M, 1)

M2 = 

    [2x1 double]    [2x1 double]    [2x1 double]    [2x1 double]    [2x1 double]    [2x1 double]    [2x1 double]    [2x1 double]    [2x1 double]    [2x1 double]

Что дает нам такой массив ячеек:

>> M2{1}

ans =

     1
     1

>> M2{3}

ans =

     3
     3

Теперь вы хотите вызвать cellfun с массивом ячеек и требуемой функцией. .

например с функцией sum по умолчанию:

>> cellfun(@sum, M2)

ans =

     2     4     6     8    10    12    14    16    18    20

Или со своим func:

>> cellfun(@func, M2)

ans =

     2     8    18    32    50    72    98   128   162   200

Кстати, ваша функция func — это просто l2 norm в квадрате, который уже существует в матлабе:

>> cellfun(@norm, M2) .^ 2

ans =

    2.0000    8.0000   18.0000   32.0000   50.0000   72.0000   98.0000  128.0000  162.0000  200.0000
13.11.2016

2

Поскольку вы спрашивали о способах векторизации кода, вот несколько предложений. Во-первых, я бы начал с обновления определения функции func.m.

function s = func(x)
    s = sum(x.^2); % An alternate way is to do: s = diag(x'*x)';
end

Во-вторых, не очень понятно, что вы пытаетесь сделать во второй части. Предполагая, что у вас есть два вектора-строки x1 и x2, и вы хотите одновременно оценить функцию для обоих векторов, вы можете выполнить:

s = func([x1; x2]') % and you will have s(1) and s(2) for the vectors.

Если вы хотите сделать это между векторами и, следовательно, вам нужно 10 разных значений func, сделайте следующее:

s = func([x1; x2]) % and s is then a 1 x 10 array.

Однако в качестве совета я бы порекомендовал вам придерживаться одного обозначения векторов. Обычно MATLAB по умолчанию использует основной столбец, поскольку большинство функций выполняются по каждому столбцу, если в качестве аргумента используется матрица. Вот почему в описанном выше func.m, если вы передаете матрицу, поведение по умолчанию заключается в оценке func.m по каждому столбцу.

13.11.2016
  • Я хочу, чтобы s был вектором, а ваш приведенный выше код s - масштабером. 13.11.2016
  • Я не уверен, выполнили ли вы мой код или полностью прочитали ответ, использование второго примера дает вам вектор из 10 элементов намного проще, чем создание ячеек для такой тривиальной задачи. Вы получаете s(1) как функцию, оцениваемую для x1(1) и x2(1), s(2) в следующих двух точках и так далее. 13.11.2016
  • Новые материалы

    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..