def grandCountGN_UltraX_ExtraStart(funcf,
jacf,
measdata: list,
bstart: list,
bend: list,
c,
Ve,
NSIG=3,
implicit=False,
verbose=False,
Ntries=10,
name=''):
"""
Новая реализация оценки, в соответствии с методом выбора начального приближения (22.12.2014 tasklist)
"""
resarray = list()
for i in range(Ntries):
#получение uniform binit
binit = o_g.uniformVector(bstart, bend)
try:
resarray.append(
grandCountGN_UltraX_Qualitat(funcf, jacf, measdata, binit, c,
Ve, NSIG, implicit, verbose,
name))
except BaseException:
pass
return selectBestEstim(resarray)
def countMeanVbForAprior_S4000(expplan:list, bstart:list, bend:list, c, Ve, jac, func=None):
"""
:param expplan: план эксперимента
:param bstart: начало диапазона b (вектор)
:param bend: конец диапазона b (вектор)
:param c: словарь доп. параметров
:param Ve: ковариационная матрица ошибок экспериментов
:param jac: функция якобиана (на входе x,b,c=None, y=None)
:return: среднее значение определителя [0] и его дисперсию [1]
"""
DS=0 #среднее определителя
SD=0 #дисперсия определителя
for sss in range(1, 30): #30 - количество попыток в выборке
b=o_g.uniformVector (bstart, bend)
Vb=o_p.countVbForPlan(expplan, b, c, Ve, jac, func)
D=np.linalg.det(Vb)
if D:
DS=(D+(sss-1)*DS)/sss #среднее определителя
SD=((DS-D)*(DS-D)+(sss-1)*SD)/sss #дисперсия определителя
return DS, SD
def makeRandomUniformExpPlan(xstart: list, xend: list, N: int):
"""
:param xstart: начало диапазона x
:param xend: конец диапазона x
:param N: Количество точек в плане
:return: случайный план эксперимента, в котором точки равномерно распределяются в диапазоне в формате списка словарей 'x': вектор
"""
res = list()
for i in range(0, N):
res.append(o_g.uniformVector(xstart, xend))
return res
def makeRandomUniformExpPlan(xstart:list, xend:list, N:int):
"""
:param xstart: начало диапазона x
:param xend: конец диапазона x
:param N: Количество точек в плане
:return: случайный план эксперимента, в котором точки равномерно распределяются в диапазоне в формате списка словарей 'x': вектор
"""
res=list()
for i in range(0, N):
res.append(o_g.uniformVector(xstart, xend))
return res
def makebinit_lambda (bstart, bend, lbinitbtrue):
global btrue, bprev, lbinitbtrueprev
if lbinitbtrueprev is None or lbinitbtrueprev!=lbinitbtrue:
binit = o_g.uniformVector(bstart, bend)
lbinitbtrueprev=lbinitbtrue
bprev=binit
else:
binit=bprev
return binit, np.linalg.norm(np.array(binit)-np.array(btrue))
def grandCountGN_UltraX_ExtraStart (funcf, jacf, measdata:list, bstart:list, bend:list, c, Ve, NSIG=3, implicit=False, verbose=False, Ntries=10, name=''):
"""
Новая реализация оценки, в соответствии с методом выбора начального приближения (22.12.2014 tasklist)
"""
resarray=list()
for i in range (Ntries):
#получение uniform binit
binit = o_g.uniformVector(bstart, bend)
try:
resarray.append(grandCountGN_UltraX_Qualitat (funcf, jacf, measdata, binit, c, Ve, NSIG, implicit, verbose, name))
except BaseException:
pass
return selectBestEstim (resarray)
