Algorithme de Gauss-Newton

Résumé

En mathématiques, l'algorithme de Gauss-Newton est une méthode de résolution des problèmes de moindres carrés non linéaires. Elle peut être vue comme une modification de la méthode de Newton dans le cas multidimensionnel afin de trouver le minimum d'une fonction (à plusieurs variables). Mais l'algorithme de Gauss-Newton est totalement spécifique à la minimisation d'une somme de fonctions au carré et présente le grand avantage de ne pas nécessiter les dérivées secondes, parfois complexes à calculer. Les problèmes de moindres carrés non linéaires surviennent par exemple dans les problèmes de régressions non linéaires, où des paramètres du modèle sont recherchés afin de correspondre au mieux aux observations disponibles. Cette méthode est due à Carl Friedrich Gauss. Algorithme Soit m fonctions r_i (i=1,\ldots,m) de n variables {\boldsymbol \beta}=(\beta_1, \beta_2, \dots, \beta_n), avec m≥n, l'algorithme de Gauss–Newton doit trouver

Source officielle

https://fr.wikipedia.org/wiki/Algorithme_de_Gauss-Newton

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Publications associées (2)

Publications associées

Chargement

Personnes associées

Chargement

Unités associées

Chargement

Concepts associés (4)

Linear least squares (LLS) is the least squares approximation of linear functions to data. It is a set of formulations for solving statistical problems involved in linear regression, including variant

Les moindres carrés non linéaires est une forme des moindres carrés adaptée pour l'estimation d'un modèle non linéaire en n paramètres à partir de m observations (m > n). Une façon d'estim

La méthode des moindres carrés, indépendamment élaborée par Legendre et Gauss au début du , permet de comparer des données expérimentales, généralement entachées d’erreurs de mesure, à un modèle mat

Afficher plus

Concepts associés

Chargement

Cours associés (6)

Cours associés

Chargement

Séances de cours associées (8)

Séances de cours associées

Chargement

In this thesis we propose and analyze the numerical methods for the approximation of axisymmetric flows as well as algorithms suitable for the solution of fluid-structure interaction problems. Our investigation is aimed at, but are not restricted to, the simulation of the blood flow dynamics. The first part of this work deals with an axisymmetric fluid model based on three-dimensional incompressible Stokes or Navier–Stokes equations which are solved on a two-dimensional half-section of the domain under consideration. In particular we show optimal a priori error estimates for P1isoP2/P1 axisymmetric finite elements for the steady Stokes equations under the assumption that the domain and the data are axisymmetric and that the data have no angular component. Our analysis is carried out in the framework of weighted Sobolev spaces and takes advantage of a suitably defined Cl´ement type projection operator. We then introduce an axisymmetric formulation of the Navier–Stokes equations in moving domains and, starting from existing results in three-dimensions, we set up an Arbitrary Lagrangian–Eulerian (ALE) formulation and prove some stability results. In the second part, we deal with algorithms for the solution of fluid-structure interaction problems. We introduce the problem in a generic form where the fluid is described by means of incompressible Navier–Stokes equations and the structure by a viscoelastic model. We account for large deformations of the structure and we show how existing algorithms may be improved to reduce the computational time. In particular we show how to use transpiration boundary conditions to approximate the fluid-structure problem in a fixed point strategy. Moreover, in a quasi-Newton strategy we reduce the cost by replacing the Jacobian with inexact Jacobians stemming from reduced physical models for the problem at hand. To speed up the convergence of the Newton algorithm, we also define a dynamic preconditioner and an acceleration scheme which have been successfully tested in haemodynamics simulations in two and three dimensions.

EPFL2004

Chargement

Implementation of batch-based particle filters for multi-sensor tracking

Volkan Cevher

In this paper, we demonstrate fixed-point FPGA implementations of state space systems using Particle Filters, especially multi-target beating and range tracking systems. These trackers operate either as independent organic trackers or as a joint tracker to estimate a moving target's state in the x-y plane. For the efficiency of the particle filter, we consider factorized posterior approximations based on the Laplacian approximation, which uses a Newton-Raphson search. We delineate the computation and memory resources needed for real-time performance of the range and bearing particle filter trackers. Our implementations are demonstrated using the Xilinx System Generator. As part of the FPGA implementation, a floating-point, soft- and hard-core implementation of the Newton search algorithm is also developed.

2007

Chargement

EPFL2004