analytic Jacobian
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 3/5
- Tempo stimato
- 1-2 giorni
- Idoneità per principianti
- 35/100
Direzione di ricerca
Inizia individuando l’implementazione esistente di finite_difference_jacobian e l’API circostante. Confronta il comportamento proposto dello Jacobiano analitico con quel punto di ingresso, quindi individua la posizione appropriata e aggiungi una copertura di test che dimostri che lo Jacobiano viene restituito per le funzioni differenziate analiticamente.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
i wrote counterparts to the existing finite_difference_jacobian for the case where the function of interest is analytically differentiable. happy to submit a PR if there is interest. would just need to know the best place to put it.
function analytic_jacobian{T<:Number}(fdot::Vector{Function}, x::Vector{T})
f_x = fdot[1](x)
J = Array(Float64,length(f_x),length(x))
J[:,1] = f_x
for i = 2:length(fdot)
J[:,i] = fdot[i](x)
end
J
end
"""
`jacobian(fdot::Vector{Function}) -> g(x::Vector)`
Given a function `f` whose partial derivatives are `fdot`, return a function
`g(x)` which itself returns the Jacobian of `f` at `x`.
"""
function jacobian(fdot::Vector{Function})
g(x::Vector) = analytic_jacobian(fdot, x)
return g
end
- Lingua principale
- Julia
- Stelle
- 286
- Fork
- 78
- Metriche di merge delle PR
- Nessuna PR unita negli ultimi 30g
Preparare l'ambiente
Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di JuliaMath/Calculus.jl
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 44/100
JuliaMath/Calculus.jl#157 · 1 commento ·
-
This package is deprecated?Aperta
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 45/100
JuliaMath/Calculus.jl#153 · 2 commenti · 5 reazioni ·
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 28/100
JuliaMath/Calculus.jl#151 ·
-
Difficoltà 3/5 1-2 giorni Idoneità per principianti 45/100
JuliaMath/Calculus.jl#150 ·
-
Gradients, second derivatives and hessians at pi not workingForse di nuovo libera Una pull request per questa issue è stata chiusa senza essere unita. Aperta
Difficoltà 3/5 1-2 giorni Idoneità per principianti 48/100
JuliaMath/Calculus.jl#144 ·
Tutte le issue di JuliaMath/Calculus.jl
Issue simili
-
bignums
Difficoltà 2/5 1-3 ore Idoneità per principianti 70/100
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 74/100
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
JuliaNLSolvers/NLsolve.jl#319 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
gridap/GridapPETSc.jl#129 ·
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100