Ajustements c2 non-linéaires

Slides:



Advertisements
Présentations similaires
Eléments d'algèbre linéaire
Advertisements

Fonction « carré » Fonctions polynômes de degré 2
Corrélation Position du problème Définition covariance (X,Y) r =
Atelier: fonctions.
III. IDENTIFICATION PARAMETRIQUE DES SYSTEMES LINEAIRES
CINEMATIQUE.
Unité #2 Analyse numérique matricielle Giansalvo EXIN Cirrincione.
1 Réunion biblio 13/12/00 Support Vectors Présentation générale SSS Maintaining Algorithm.
A Pyramid Approach to Subpixel Registration Based on Intensity
Corrélations et ajustements linéaires.
Calcul des effectifs cumulés croissants ECC
CALCUL PARALLELE PRODUIT : MATRICE – VECTEUR 10 pages Exposé par :
Problèmes aux limites Généralités
Section VI Structures répétitives (suite)
Synthèse de filtres numériques
Chapitre 2 Les indices.
Plus courts chemins On présente dans ce chapitre un problème typique de cheminement dans les graphes : la recherche d'un plus court chemin entre deux sommets.
Atelier Fonctions.
de résolution des équations normales, ou d ’observations
Résolution des Équations Différentielles
Rappel... Opérations élémentaires sur les matrices:
Régression linéaire simple
Groupe 1: Classes de même intervalle
Programmes de maîtrise et de doctorat en démographie Modèles de risque et de durée Cours 9 Séance du 4 avril 2014 Benoît Laplante, professeur.
Optimisation non linéaire sans contraintes
DEA Perception et Traitement de l’Information
Techniques d’optimisation
Réseaux de neurones.
Méthodes de prévision (STT-3220)
Méthode des Ensembles de Niveaux par Eléments Finis P1
1 Fusion de paraboles Rick Parent, Animatique Algorithmes et techniques. Vuibert, Paris, 2003, 530p. 1.
La corrélation et la régression
Inversion de données par lAdjoint Application à lacoustique sous marine M. Berrada UPMC-LOCEAN
Optimisation non linéaire sans contraintes Recherche opérationnelle GC-SIE.
Optimisation-Identification et Cast3M
Quelques fonctions de base
PROGRAMMATION SCIENTIFIQUE EN C
STT-3220 Méthodes de prévision
Lien entre alpha et bêta
Régression linéaire (STT-2400)
Régression linéaire.
DEA Perception et Traitement de l’Information
Régression linéaire multiple : hypothèses & tests. Partie 3.
La décomposition en valeurs singulières: un outil fort utile
Géométrie épipolaire (deux vues)
ASI 3 Méthodes numériques pour l’ingénieur
ASI 3 Méthodes numériques pour l’ingénieur
ASI 3 Méthodes numériques pour l’ingénieur
Programmation linéaire en nombres entiers
Fabienne BUSSAC EQUATIONS 1. Définition
Présentation du marché obligataire
1 Interpolation Buts L’interpolation consiste à calculer des valeurs pour différents points sur la base d’observations faites sur des points particuliers.
Réseaux de neurones artificiels « le neurone formel »
UN ALGORITHME PERFORMANT DE CALCUL DES ERREURS DE FORME
Chapitre 1 - Introduction.
Suivi rapide d’objet en mouvement
ASI 3 Méthodes numériques pour l’ingénieur
Rappels Variables nominales :
Tests d’ajustement à une distribution théorique
Méthode des moindres carrés (1)
Post-optimisation, analyse de sensibilité et paramétrage
Interpolation et Approximation
Résolution des équations différentielles
Analyse des données. Plan Lien entre les statistiques et l’analyse des données Propagation des erreurs Ajustement de fonctions.
Statistiques à 2 variables
PROGRAMMATION SCIENTIFIQUE EN C PRO Approximation de fonctions et régression u Approximation linéaire –Méthode du moindre carré u Exemple.
Partie II : Segmentation
1 1 Licence Stat-info CM6 b 2004 V1Christophe Genolini Régression linéaire : problème On a les notes math et français suivantes : Un élève a 10 en math,
Pierre Joli Cours de Mathématique Pierre Joli
LOIS COURANTES DE PROBABILITES LA LOI DE POISSON Jean-Marc Petit1.
Transcription de la présentation:

Ajustements c2 non-linéaires

Minimisation du c2 On ne peut solutionner analytiquement

Algorithme Calcule localement le c2 et son gradient On calcule numériquement les Cij Change les paramètres dans la direction inverse du gradient Recalcule et réitère jusqu’à ce que le c2 ne diminue presque plus

Près du minimum du c2 Développement parabolique est la matrice de courbure du c2

lsqcurvefit Moindres carrés non-linéaires Erreurs non considérées (si = 1) On cherche la solution itérativement Nécessite un point de départ (ai) Fin cours #7 1er mars 2002 avec des exemples MATLAB de lsqcurvefit

Moindres carrés pondérés On construit soi-même le c2 On minimise c2 avec fminunc x = fminunc(chi2,x0)

Distribution c2 Soit f(x) la vraie fonction, Les mesures yi sont en moyenne à une distance si de la courbe En moyenne, c2 = n Si on refait souvent les mesures, on obtient une distribution du c2

Distribution c2 Si on réajuste m paramètres de f(x) sur les données, Le c2 va diminuer c2 normalisé

Distribution c2 La distribution c2 est donnée par

Distribution c2 cumulative

Ajout d’un terme ? Le c2 s’améliore avec m Il faut voir si m + 1 améliore significativement l’ajustement On compare c2 pour m et m + 1

Test F En fait, on considère l’amélioration relative du c2 Fc est petit si l’ajout d’un terme est inutile