用已知有限个点，拟合出光滑的正弦曲线。

doubledead 2009-03-26 11:19:18

用什么方法好，什么方法最简单？

...全文

164 3 打赏收藏转发到动态举报

写回复

3 条回复

切换为时间正序

请发表友善的回复…

发表回复

doubledead 2009-03-26

打赏
举报

回复

误差大的点就不用
现在实验的点不多
都是自己先算好的
都是准确值

happy002 2009-03-26

打赏
举报

回复

每个点必须都在线上吗？如果可以有误差，还得计算
。。
挺累的

xxweilw 2009-03-26

打赏
举报

回复

一般的光滑曲线都是两点之间不断的加点，算法很多的，可以在网上搜搜

本文介绍了如何使用OpenGL绘制抛物线和正弦曲线，探讨了GL_LINE_STRIP模式下点数对曲线平滑度的影响，并提到通过增加点的数量来改善拟合效果。实验小结了优化曲线质量的方法和局限性。

本文详解径向基函数（RBF）插值的数学原理：以距离为变量的核函数（如高斯核）叠加建模，通过求解线性方程组获得权重实现精确插值；重点剖析带宽σ对过拟合/欠拟合的影响及交叉验证调优策略；结合Python代码完成复杂函数拟合、3D曲面重建、缺失数据修复等典型应用场景，并指出数值稳定性优化方案（正则化、稀疏核、向量化计算）。

本文深入剖析ReLU如何通过分段线性逼近实现函数拟合，揭示其本质是利用每个神经元作为动态区域选择器，在输入空间划分多个区间，并在各区间内输出不同线性片段。重点对比ReLU与Sigmoid/Tanh在梯度计算、梯度消失和表达效率上的工程差异，结合5至1500个神经元的渐进实验，说明开关点演化、过拟合控制及死亡神经元诊断等关键技术细节。

本文系统讲解L1与L2正则化在治理过拟合和自动特征选择中的核心原理与工程实践。重点涵盖：L1通过绝对值惩罚实现稀疏权重与特征筛选，L2通过平方惩罚抑制权重震荡提升泛化；λ参数的尺度匹配、特征标准化必要性及拐点选取策略；PyTorch中正则化植入位置（避免对bias和BatchNorm参数误加）；L1特征选择的三步验证法（阈值切割、SHAP热力图、消融实验）；以及L1/L2与Dropout协同使用、Elastic Net混合方案、时间特征漂移防控等生产级要点。

本文深入探讨了MATLAB中RBF插值在散乱数据拟合中的应用，对比了高斯核、薄板样条等不同核函数的性能差异。通过实战案例和参数调优技巧，帮助用户超越传统interp1方法，实现更精准的数据拟合，特别适用于地质勘探、传感器网络等非均匀数据场景。

65,210

社区成员

250,514

社区内容

发帖

与我相关

我的任务

c++ 技术论坛（原bbs）

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

请不要发布与C++技术无关的贴子
请不要发布与技术无关的招聘、广告的帖子
请尽可能的描述清楚你的问题，如果涉及到代码请尽可能的格式化一下

试试用AI创作助手写篇文章吧

+ 用AI写文章