dervestsuite为标量和向量值函数提供了一个完全自适应的数值微分工具。提供了标量函数的导数(到四阶)的工具,以及梯度向量、方向导数、雅可比矩阵和黑森矩阵。为所有工具提供了误差估计。
派生函数为用户提供的函数提供了一个健壮的自适应数值微分(直到四阶导数),就像quad用于积分一样。它是半智能的,试图使用步长来最小化它对导数中不确定性的估计。
使用高阶方法,尽管在需要时向用户提供完全控制。您可以指示要使用的方法的顺序,所采用的差分方法的一般类别(向前、向后或中心差分),其广义理查森加速度方案中所使用的项的数量,步长,等等。
尽管您不能提供用户提供的公差,但在最终结果中,衍生est确实会返回其不确定性的估计值。
例如,exp(x)在x=1处的导数为exp(1)==2.71828182845905。derived做得很好。
(d,犯错)=派生(@ (x) exp (x) 1)
d =
2.71828182845904
呃=
1.02015503167879 e-14
有关更多示例,请参阅所提供的演示。
引用作为
约翰·迪里科(2023年)。自适应鲁棒数值微分(//www.ru-cchi.com/matlabcentral/fileexchange/13490-adaptive-robust-numerical-differentiation), MATLAB中央文件交换。检索.
MATLAB版本兼容性
平台的兼容性
窗户 macOS Linux标签
确认
启发:解析函数的数值导数
启发:自适应数值极限(和残差)估计,数值微分,加速失效时间(AFT)模型,拟合分布到删减数据,相位人像绘图仪,modified_newton,hessianAnalysisDemo,基于迭代扩展卡尔曼滤波器的目标跟踪,加权总最小二乘与相关系数
DERIVESTsuite /
DERIVESTsuite /演示/ html /
版本 | 发表 | 发布说明 | |
---|---|---|---|
1.6 | 标记为工具箱 |
|
|
1.5.0.0 | 当求导数的点恰好与周期函数的周期相同时,这个问题就被修正了。 |