DerivestSuite为标量和矢量值提供了一个完全自适应的数值差分工具。提供标量功能的衍生工具(最多4个顺序),以及梯度向量,定向导数,雅各比矩阵和Hessian矩阵。所有工具都提供了错误估计。
DERIVEST为用户提供的函数提供强大的自适应数值微分(高达四阶导数),就像quad对积分所做的那样。它是半智能的,试图使用最大限度地减少其对导数不确定性估计的步长。
使用高阶方法,尽管在您需要时向用户提供完全控制。您可以指导要使用的方法的顺序,所用方法(前进,落后或中央差异)的一般类别,其广义理查森加速方案中采用的术语数量,步骤尺寸等。
虽然您无法提供用户提供的公差,但Derivest确实在最终结果中返回其不确定性的估计。
例如,exp(x)的衍生物,x = 1是exp(1)== 2.71828182845905。衍生物做得很好。
[D,ERR] =衍生(@(x)exp(x),1)
d =
2.71828182845904
err =
1.02015503167879E-14
有关更多示例,请参阅提供的演示。
引用
John d'Errico(2021年)。自适应稳健的数值分化(//www.tianjin-qmedu.com/matlabcentral/fileexchange/13490-adaptive-robust-numerical-differentiation),MATLAB中心文件交换。
MATLAB版本兼容性
平台兼容性
窗户 苹果系统 Linux.标签
致谢
灵感来自:分析函数的数值衍生
启发:自适应数值极限(和残留物)估计那数值分化那加速故障时间(AFT)模型那拟合分发以审查数据那阶段肖像绘图仪那modified_newton.那Hessiananalysidemo那使用迭代扩展卡尔曼筛选器(IEKF)跟踪