이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.
비선형 최소제곱(곡선 피팅)
비선형 최소제곱(곡선 피팅) 문제를 직렬 또는 병렬로 풀기
최적화 문제를 풀기 시작하기 전에 먼저 문제 기반 접근법과 솔버 기반 접근법 중 적절한 접근법을 선택해야 합니다. 자세한 내용은 먼저 문제 기반 접근법 또는 솔버 기반 접근법 중 선택하기 항목을 참조하십시오.
비선형 최소제곱은 min(∑||F(xi) – yi||2)을 풉니다. 여기서 F(xi)는 비선형 함수이고 yi는 데이터입니다. 비선형 최소제곱(곡선 피팅) 항목을 참조하십시오.
문제 기반 접근법에서는 문제 변수를 생성한 후 기호화된 변수로 목적 함수와 제약 조건을 나타냅니다. 문제 기반으로 수행할 절차를 보려면 문제 기반 최적화 워크플로 항목을 참조하십시오. 결과로 생성된 문제를 풀려면 solve
를 사용하십시오.
솔버 기반으로 수행할 절차를 보려면 솔버 기반 최적화 문제 설정 항목을 참조하십시오. 목적 함수와 제약 조건을 정의하고 적합한 솔버를 선택하는 등의 작업이 설명되어 있습니다. 결과로 생성된 문제를 풀려면 lsqcurvefit
또는 lsqnonlin
을 사용하십시오.
함수
라이브 편집기 작업
최적화 | 라이브 편집기에서 방정식을 최적화하거나 풉니다. |
도움말 항목
문제 기반 비선형 최소제곱
- 비선형 최소제곱, 문제 기반
문제 기반 접근법을 사용한 비선형 최소제곱의 기본 예제입니다. - 여러 문제 기반 접근법을 사용한 비선형 데이터 피팅
서로 다른 솔버 및 선형 파라미터에 대한 여러 접근법을 사용하여 최소제곱 피팅 문제를 풉니다. - 최적화 변수를 사용하여 ODE 파라미터 피팅하기
문제 기반 최소제곱을 사용하여 ODE의 파라미터를 피팅합니다. - Write Objective Function for Problem-Based Least Squares
Syntax rules for problem-based least squares.
솔버 기반 비선형 최소제곱
- 비선형 데이터 피팅
데이터 피팅 문제를 푸는 여러 가지 방법을 보여주는 기본 예제입니다. - 바나나 함수 최소화
기울기가 있거나 없는 상태에서 다양한 솔버를 사용하여 로젠브록 함수의 최솟값을 구하는 방법을 보여줍니다. - lsqnonlin with a Simulink Model
Example of fitting a simulated model. - 야코비 행렬을 사용하지 않은 경우와 포함한 경우의 비선형 최소제곱
비선형 최소제곱에서 해석적 도함수 사용 방법을 보여주는 예제입니다. - lsqcurvefit을 사용한 비선형 곡선 피팅
lsqcurvefit을 사용하여 비선형 데이터 피팅을 수행하는 방법을 보여주는 예제입니다. - 상미분 방정식(ODE) 피팅하기
ODE의 파라미터를 데이터에 피팅하거나 곡면의 파라미터를 ODE의 해에 피팅하는 방법을 보여주는 예제입니다. - Fit a Model to Complex-Valued Data
Example showing how to solve a nonlinear least-squares problem that has complex-valued data.
코드 생성
- Code Generation in Nonlinear Least Squares: Background
Prerequisites to generate C code for nonlinear least squares. - Generate Code for lsqcurvefit or lsqnonlin
Example of code generation for nonlinear least squares. - Optimization Code Generation for Real-Time Applications
Explore techniques for handling real-time requirements in generated code.
병렬 연산
- What Is Parallel Computing in Optimization Toolbox?
Use multiple processors for optimization. - Using Parallel Computing in Optimization Toolbox
Perform gradient estimation in parallel. - Improving Performance with Parallel Computing
Investigate factors for speeding optimizations.
알고리즘과 옵션
- Write Objective Function for Problem-Based Least Squares
Syntax rules for problem-based least squares. - 최소제곱(모델 피팅) 알고리즘
범위 제약 조건 또는 선형 제약 조건만 적용하여 n차원에서 제곱합을 최소화합니다. - 최적화 옵션 참조
최적화 옵션을 살펴봅니다.