Svenska ElektronikForumet

Tänkte just skriva om detta.

Det vore intressant om jag kunde konfigura så här:

asus@asus-X551MA:~/Hämtningar/gsl-2.5$ ./configure --prefix=/home/asus/Program/gsl --target=aarch32-linux

Men jag vet inte vad min "target" ska heta.

Jag har sett olika varianter, annars hade det ju varit lätt att korskompilera, men vissa vill ha samma prefix som din kompilator så typ arm-atollic-eabi-

eller så är det prefix som ska vara arm-atollic-eabi-, ./configure är också textfiler, så du kan ju alltid kolla var den jämför target med..

Okej! Jag har fått reda på att STM:en komplimeras med detta. Men hur man gör med configure vet jag inte.

Tror jag ger upp. Får nog skriva in vissa delar från GSL till STM32.

https://github.com/nhomble/yasML

Ett annat litet lib för den som vill mixtra lite utan att ge sig på de stora paketen..

Intressant! Den saknar dock endast SVD SVD räknas ju ut om man har egenvektorerna och egenvärderna.

Jag försökte förstå vad som efterfrågades... Men nä, jag tror jag ger upp vid multiplikationen

http://www8.cs.umu.se/kurser/5DV005/VT0 ... _egenv.pdf

Det är såna här tillfällen jag saknar mina ickelästa mattekurser

Det där är väldigt lätt matematik. Men tillämpa detta i C, dvs skriva eget bibliotek, är för svårt. Så jag tror jag går tillbaka till att försöka implementera GSL i Eclipse.

AndLi: Tack för den länken. Nu kommer jag inte att kunna sova i natt. Den tog fram demonerna från algebran i slutet av sjuttiotalet.

al: Men är det lätt matte borde det ju vara lätt att implementera också, du behöver bara förklara det för mig
Implementera GSL i eclipse? Eclipse är bara en editor på steroider..

lillahuset: sorry...

Memento mori.

Okej! Vi börjar med SVD - Singular Value Decomposition. Singular har inget med SVD att göra, utan det var historiskt hur man löste SVD med singulära integraler för ca 60 år sedan. Men Singular har hängt kvar.

SVD är ett sätt för att "kurvanpassa" data mot absolut inget. Om du ska t.ex. skapa en linjär funktion, men du vet inte vilken funktion du ska använda. Då är det SVD du ska ha. Machine learning använder sig alltid av SVD.

För att lösa SVD av matrisen A så måste vi först göra:

1. Skapa matris A.
2. Ta transponatet av A, dvs A'
3. Ta egenvärderna av (A'*A - c*I) = 0, där I är en enhetsmatris dvs samma dimension som A, men I har bara ettor på diagonalen, resten nollor. Konstanten c är en konstant vi ska hitta Denna konstant kommer ha 3 lösningar om A är 3x3, och 4 lösningar om A är 4x4.
4. För att hitta c så måste vi använda oss av numeriska metoder för att pröva olika typer av c värden. Här behövs det Newtons-Raphsons sökningsfunktion.
5. Newton-Raphsons sökningsfunktion söker c tills (A'*A - c*I) = 0 igenom att derivera.
6. Efter vi har hittat c så ska vi hitta egenvektorerna. Då tar vi fram denna (A'*A - c*I)V = 0 där V är en vektor för nullrymden. Alltså V kan vara noll, men den får inte vara noll.

Vi kan börja med denna. Men jag lovar dig. Tills sommaren är du kanske klar.

Det är därför jag tycker att vi borde försöka få GSL att fungera i STM32.

https://fenix.tecnico.ulisboa.pt/downlo ... torial.pdf

Hittat beprövat C bibliotek nu med gratis litteratur


Bok:
https://www2.units.it/ipl/students_area ... ecipes.pdf

Kod:
https://www.astro.umd.edu/~ricotti/NEWW ... /index.htm

Bara för att någon skrivit en bok betyder inte att koden är bra per automatik. Utbildningsmaterial brukar vara gjort för demonstrera hur saker fungerar, inte för att vara effektivt.
Jag kollade bara några av exemplen men det såg inte speciellt bra ut. Att köra column major kommer totalt förstöra all caching.

Okej..dålig kod alltså.

Jadu, då vet jag inte så mycket mer än att kanske se till så GSL måste kompileras för ARM. Vilket jag inte har lyckats med.