Комментарии 7
Я бегло прошёлся и не понял одного. Апроксимация, это представление сложной функции более простой. Тут разве такое же?
Да, ты прав. В примере выше эта правда больше похоже на интерполяцию, чем на аппроксимацию. Мне стоило добавить шума к начальным данным, так было бы более правильно.
В целом в данном посте я хотел показать, как можно использовать торч для построения протых моделей и не прописывать ручками взятие производных для обратного распространения ошибки.
Спасибо за замечание, оно по делу
В чем преимущество, тем же Питоном можно аппроксимировать без всякой модели.
А зачем ты начал с "[возьмём] линейное неоднородное дифференциальное уравнение"? Ведь чуть позже мы понимаем, что это не важно для статьи (а вот народ всякими там Эйлерами и упоминанием комплексных чисел может и отпугнуть).
Коротко: берем экспериментальные данные [x,y], задаем вид функции f(x) с неизвестными коэффициентами A и находим такие коэффициенты, которые дадут наименьшую ошибку. (Кстати, ты ведь не сказал, что вектор X может иметь размерность больше 1. И с некоторыми оговорками и Y может иметь размерность больше 1.)
Дополнительное чтение тут: https://habr.com/ru/companies/skillfactory/articles/666040/
Не совсем понятно, что иллюстрирует первая картинка.
Скажите, суть статьи состоит в том, что Вы решаете дифференциальное уравнение через задачу аппроксимации? В заголовке тогда обозначен всего лишь один из этапов решения задачи.
В тексте у Вас в качестве модели записана алгебраическая сумма двух экспонент. Верно ли то, что эта модель может аппроксимировать любую функцию, как указано в заголовке? А если нет, то есть ли у вас рекомендации: какую модель стоит выбрать и в каком случае?
Как аппроксимировать любую функцию с помощью PyTorch