Похожие симуляторы
Продолжите с близкими темами в этой категории — или все 85 в «Визуализация математики».
Метод наименьших квадратов
Зашумлённые точки и прямая y = ax + b, которая минимизирует сумму квадратов вертикальных остатков. Меняйте наклон, сдвиг и шум — видны остатки и сумма квадратов ошибок.
Линейная регрессия: МНК, гребень, лассо и R²
Точки на плоскости и модель y = β₀ + β₁x: обычный МНК, гребень (штраф L₂ по наклону) или лассо (штраф L₁). Сдвиг Δy у точки с наибольшим |x| — выброс с сильным рычагом; сравниваются SSE и R².
Фильтр Калмана: сопровождение в 2D
Четырёхмерный фильтр постоянной скорости: шумные измерения (x,y), шум ускорения процесса Q, дисперсия измерений R и живой ковариационный эллипс ≈2σ.
Фильтр Калмана (1D)
Рекурсивная оптимальная оценка: шумные измерения, скрытая истина, прогноз и обновление с Q и R; случайное блуждание или постоянная скорость, полоса ±2σ и невязки.
Тригонометрический круг
Единичная окружность: sin θ, cos θ и tg θ как координаты и отношение при движении точки.
Адаптивный фильтр LMS / NLMS
Первичный канал p = s + v, где v — неизвестная КИХ от опорного белого шума x[n]. L-отводный адаптивный КИХ по LMS или NLMS: ошибка e = p − wᵀx стремится к полезному сигналу s.