MATLAB,Python,Scilab,Julia比較するシリーズの第4章。第4章では分類問題で最終的にはニューラルネットワークや最適化アルゴリズムの話だった。第5章はフーリエ解析学から高速フーリエの話がメインとなる。
シミュレーションで実物を扱わなくても仕事ができる環境を目指す。つまり家に引きこもって外に出なくてもOKな世界。
2024年12月
MATLAB,Python,Scilab,Julia比較 第5章【バックナンバー】
MATLAB,Python,Scilab,Julia比較するシリーズの第4章。第4章では分類問題で最終的にはニューラルネットワークや最適化アルゴリズムの話だった。第5章はフーリエ解析学から高速フーリエの話がメインとなる。
MATLAB,Python,Scilab,Julia比較 第5章 その84【複素フーリエ係数⑨】
複素フーリエ級数の数式を導出。「複素フーリエ係数」を解析したい数式と見なし、「複素指数関数の直交性」を利用して、直交している部分を0に、直交していない部分だけを抽出する。
複素指数関数の直交性をJuliaで確認した。おおよそ狙い通りの挙動ではあるが、三角関数由来の誤差は入る。虚数単位がimになることに注意。
MATLAB、Python、Scilab、Julia比較ページはこちらはじめにの、MATLAB,Python,Scilab,Julia比較 第5章 その82【複素フーリエ係数⑦】を書き直したもの。複素フーリエ係数のシリーズ。今回は、複素指数...
複素指数関数の直交性をMATLABで確認した。おおよそ狙い通りの挙動ではあるが、三角関数由来の誤差は入る。
MATLAB,Python,Scilab,Julia比較 第5章 その83【複素フーリエ係数⑧】
複素指数関数の直交性をJuliaで確認した。おおよそ狙い通りの挙動ではあるが、三角関数由来の誤差は入る。虚数単位がimになることに注意。
MATLAB,Python,Scilab,Julia比較 第5章 その82【複素フーリエ係数⑦】
複素指数関数の直交性をScilabで確認した。おおよそ狙い通りの挙動ではあるが、三角関数由来の誤差は入る。虚数単位が%iになることに注意。
MATLAB,Python,Scilab,Julia比較 第5章 その81【複素フーリエ係数⑥】
複素指数関数の直交性をPythonで確認した。おおよそ狙い通りの挙動ではあるが、三角関数由来の誤差は入る。
MATLAB,Python,Scilab,Julia比較 第5章 その80【複素フーリエ係数⑤】
複素指数関数の直交性をMATLABで確認した。おおよそ狙い通りの挙動ではあるが、三角関数由来の誤差は入る。
複素指数関数の直交性を評価できる式を確認。直交性をアニメーションgifで見てみた。この直交性を各ツール、各言語で確認してみる。
複素指数関数同士の積の積分の式を提示。複素指数関数でn=mの時は直交しない。結論としてはn≠mの時に直交する。これらはオイラーの公式と三角関数の性格から特定ができる。
複素フーリエ係数の話に突入。複素フーリエ係数に至る道を提示。複素指数関数の積を確認。
MATLAB,Python,Scilab,Julia比較 第5章 その79【複素フーリエ係数④】
複素指数関数の直交性を評価できる式を確認。直交性をアニメーションgifで見てみた。この直交性を各ツール、各言語で確認してみる。
MATLAB,Python,Scilab,Julia比較 第5章 その78【複素フーリエ係数③】
複素指数関数の積で直交するパターンを確認。結論としてはn≠mの時に直交する。オイラーの公式と三角関数の性格から特定ができる。
MATLAB,Python,Scilab,Julia比較 第5章 その77【複素フーリエ係数②】
複素指数関数同士の積の積分の式を提示。n=mの時の解を確認。複素指数関数でn=mの時は直交しない。
2024年12月
「ブログリーダー」を活用して、KEIさんをフォローしませんか?
MATLAB,Python,Scilab,Julia比較するシリーズの第4章。第4章では分類問題で最終的にはニューラルネットワークや最適化アルゴリズムの話だった。第5章はフーリエ解析学から高速フーリエの話がメインとなる。
複素フーリエ級数の数式を導出。「複素フーリエ係数」を解析したい数式と見なし、「複素指数関数の直交性」を利用して、直交している部分を0に、直交していない部分だけを抽出する。
複素指数関数の直交性をJuliaで確認した。おおよそ狙い通りの挙動ではあるが、三角関数由来の誤差は入る。虚数単位がimになることに注意。
MATLAB、Python、Scilab、Julia比較ページはこちらはじめにの、MATLAB,Python,Scilab,Julia比較 第5章 その82【複素フーリエ係数⑦】を書き直したもの。複素フーリエ係数のシリーズ。今回は、複素指数...
複素指数関数の直交性をMATLABで確認した。おおよそ狙い通りの挙動ではあるが、三角関数由来の誤差は入る。
複素指数関数の直交性をJuliaで確認した。おおよそ狙い通りの挙動ではあるが、三角関数由来の誤差は入る。虚数単位がimになることに注意。
複素指数関数の直交性をScilabで確認した。おおよそ狙い通りの挙動ではあるが、三角関数由来の誤差は入る。虚数単位が%iになることに注意。
複素指数関数の直交性をPythonで確認した。おおよそ狙い通りの挙動ではあるが、三角関数由来の誤差は入る。
複素指数関数の直交性をMATLABで確認した。おおよそ狙い通りの挙動ではあるが、三角関数由来の誤差は入る。
複素指数関数の直交性を評価できる式を確認。直交性をアニメーションgifで見てみた。この直交性を各ツール、各言語で確認してみる。
複素指数関数同士の積の積分の式を提示。複素指数関数でn=mの時は直交しない。結論としてはn≠mの時に直交する。これらはオイラーの公式と三角関数の性格から特定ができる。
複素フーリエ係数の話に突入。複素フーリエ係数に至る道を提示。複素指数関数の積を確認。
複素指数関数の直交性を評価できる式を確認。直交性をアニメーションgifで見てみた。この直交性を各ツール、各言語で確認してみる。
複素指数関数の積で直交するパターンを確認。結論としてはn≠mの時に直交する。オイラーの公式と三角関数の性格から特定ができる。
複素指数関数同士の積の積分の式を提示。n=mの時の解を確認。複素指数関数でn=mの時は直交しない。
複素フーリエ係数の話に突入。複素フーリエ係数に至る道を提示。複素指数関数の積を確認。
複素フーリエ級数を導出した。最終的にはシンブルな式に。実際に利用しようと思うと、複素フーリエ係数とセットなので、しばらく待ち。
実数フーリエ級数にsin,cosを福祉指数関数で表現する公式を代入。ここでも「虚数で割ることが負の虚数を掛けることが同一」って理屈を使う。変数の極性を入れ替えた上で、Σの極性を入れかえれば同じものとなる。フーリエ係数であることを前提とした場合、極性の特性を定められる。
前回のcos,sinを複素指数関数で表現する式をMATLABの逆行列で検算。なぜか異なるような結果になった。「虚数で割ることと負の虚数を掛けることが同一」である。これは、複素フーリエ級数を導出するときにも使用するから覚えておいた方が良い。
Juliaで射影変換実施。 基本的にはMATLABと一緒で、射影変換のsを解決するコードを追加すればOK。
DS検定リテラシーレベルの問題集を設置。 現状はデータサイエンス力の領域を中心に80問ほど放り込んでいる。問題は随時追加予定。 DS検定リテラシーレベルのまとめ記事や解説動画へのリンクはこちら 動画とか 【巧妙な罠】データサイエンティスト検
Scilabで射影変換実施。 基本的にはMATLABと一緒で、射影変換のsを解決するコードを追加すればOK。
Python(NumPy)で射影変換を実施。 アフィン変換が出来ていれば、射影変換の処理を作るのはそれほど難しくない。
MATLABで射影変換を実施。 処理はアフィン変換の 射影変換のsの部分を追加で解決しているのみ。
射影変換とアフィン変換との関係性について説明。 上記を元に8個の変数を求める8個の連立方程式を作成し行列表現に。 射影逆変換について説明。
射影変換の理屈を把握するための流れを記載。 変換過程を説明。 変換過程毎の数式化、方程式化、行列化を実施。
射影逆変換について説明。 射影変換を元にx,yについて解く式に変形 sの扱いについて説明。
射影変換の処理の流れを説明。 注意点としては射影変換だとまだら模様問題が起きるので、実際には射影逆変換のアルゴリズムを使用する。
射影変換の係数を求める連立方程式を行列表現に。 これにより、逆行列を使えば一撃で係数が求まる。 あとは各係数を射影変換行列に居れればOK。
各係数を求めるために式を変形。 自明な定数は変換元座標と変換先座標。 上記を元に8個の変数を求める8個の連立方程式を作成。
射影変換とアフィン変換との関係性について 概念は異なるが、行列表現がそっくりなため、射影変換はアフィン変換の拡張と言える。 パラメータg,hを0にするとアフィン変換と全く同一の式になる。
射影変換の方程式を変形。 いい感じにキレイになった。 キレイになった方程式を行列表現へ。
射影変換を行う一連の座標変換再掲。 上記を代入やらしてまとめる。 さらに、パラメータiで全体を割って変形。 パラメータ数を9個から8個に減らす。これが後々効いてくる。
「3次元空間を地面平面に落とし込む」 高さwのパラメータが重要で、これの影響でアフィン変換ではできなかった台形の対応が可能となる。
基本ベクトルと基底ベクトルについて説明。 元画像平面を3次元空間で表現した場合の ここで基本ベクトル、基底ベクトルの話が出てくる。
射影変換の理屈を把握するための流れを記載。 大まかな理屈について説明。 大まかな理屈を座標変換で表現したパターンで説明。
射影変換はアフィン変換の拡張と言われいるが、理屈としては異なるもの。 射影変換で出来ることを確認。 射影変換は四隅の点をどこに移動させるか 長方形から台形、台形から長方形、台形から台形。
射影変換で出来ることを確認。 現実世界での利用方法を紹介。 射影変換は四隅の点をどこに移動させるかという変換。 長方形から台形、台形から長方形、台形から台形。
今回から射影変換に突入。 射影変換はアフィン変換の拡張と言われいるが、理屈としては異なるもの。 結果的な数式が似ており、アフィン行列で射影変換を行うとアフィン変換が実現できてしまうのが理由と思われる。 Wikipediaの意味不明な説明を参照。