Ähnliche Simulationen
Machen Sie mit verwandten Themen in dieser Kategorie weiter — oder alle 85 in „Mathematische Visualisierung“.
Hauptkomponentenanalyse (PCA) in 2D
Wolke in der Ebene: 2×2-Kovarianz, Eigenvektoren PC1 und PC2 vom Mittelwert, Lote auf die PC1-Gerade und Streifen der Scores auf der ersten Komponente.
Monte-Carlo-Integration und Varianzreduktion
Gewöhnliches Monte-Carlo-Verfahren, Stichprobe nach Wichtigkeit und Schichtung für ∫f(x) dx: Konvergenzkurven, Standardfehler und die Rate 1/√N.
EM-Algorithmus: Gauß-Mischung
Algorithmus der Erwartungsmaximierung für zwei Gauß-Komponenten: Verantwortlichkeiten, E- und M-Schritt, Likelihood und Kovarianzellipsen.
Kalman-Filter: 2D-Verfolgung
Vierdimensionaler Filter konstanter Geschwindigkeit: verrauschte Messungen (x,y), Beschleunigungsrauschen Q, Messvarianz R und mitlaufende Kovarianzellipse ≈2σ.
Verfahren der konjugierten Gradienten
S.p.d.-System Ax=b als Minimierung der quadratischen Form: Niveaulinien, konjugierte Gradienten gegen steilsten Abstieg, Residuumsnorm und Konditionszahl.
Vektoraddition
Zwei Vektoren in der Ebene: Dreiecksregel und Komponentenaddition, Betrag und Richtung der Resultierenden.