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. 이 문제는 범위, 선형 제약 조건 또는 비선형 제약 조건을 포함할 수 있습니다.
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. (R2020b 이후) |
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. - Compare lsqnonlin and fmincon for Constrained Nonlinear Least Squares
Compare the performance oflsqnonlin
andfmincon
on a nonlinear least-squares problem with nonlinear constraints. - 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. - 복소수 값 데이터에 모델 피팅하기
복소수 값 데이터를 갖는 비선형 최소제곱 문제를 푸는 방법을 보여주는 예제입니다.
코드 생성
- 비선형 최소제곱에서의 코드 생성: 배경 정보
비선형 최소제곱에 대한 C 코드를 생성하기 위한 선행 조건입니다. - 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.