Differentiation and integration in functional voxel modeling

封面

如何引用文章

全文:

详细

This paper presents a simple method for generating the partial derivatives of a multidimensional function using functional voxel models (FV-models). The general principle of constructing, differentiating, and integrating an FV-model is considered for two-dimensional functions. Integration is understood as obtaining local geometrical characteristics for the antiderivative of a local function with solving the Cauchy problem when finally constructing the FV-model. The direct and inverse differentiation algorithm involves the basic properties of the local geometrical characteristics of functional voxel modeling and the inherent linear approximation principle of the codomain of the algebraic function. Simple computer calculations of this algorithm yield an FV-model suitable for any further algebraic operations. An illustrative example of constructing a functional voxel model of a complex two-dimensional algebraic function is provided. Functional voxel models of partial derivatives are obtained based on this model. These models and the boundary condition at a given point are used to obtain an initial FV-model of a complex algebraic function. The approach is applicable to algebraic functions defined on the domain of various dimensions.

作者简介

A. Tolok

Trapeznikov Institute of Control Sciences, Russian Academy of Sciences

编辑信件的主要联系方式.
Email: tolok_61@mail.ru
Moscow, Russia

N. Tolok

Trapeznikov Institute of Control Sciences, Russian Academy of Sciences

Email: nat_tolok@mail.ru
Moscow, Russia

参考

  1. Рысцов Д. Автоматическое дифференцирование // Abnormal programming, Mathematics. - М.: Habr LLC, 2009. http://habrahabr.ru/post/63055/
  2. Neidinger, R.D.Introduction to Automatic Differentiation and MATLAB Object-Oriented Programming // SIAM Review. - 2010. - Vol. 52, no. 3. - P. 545-563. doi: 10.1137/080743627
  3. Baydin, A.G., Pearlmutter, B.A., Radul, A.A., Siskind, J. Automatic Differentiation in Machine Learning: a Survey // Journal of Machine Learning Research. - 2018. - Vol. 18, art. no. 153. - P. 1--43.
  4. Ралл Л.Б. Автоматическая дифференциация: методы и приложения / Конспекты лекций по информатике. - 1981. - Т. 120. Springer. - 174 c. ISBN 978-3-540-10861-0.
  5. Conal, E. The Simple Essence of Automatic Differentiation // Proc. ACM Program. Lang. - 2018. - Vol. 2, iss. ICFP, art. no. 70. - P. 1-29. - DOI: https://doi.org/10.1145/3236765.
  6. Liao, H., Pearlmutter, B.A., Potluru, V.K., and Woodruff, D.P. Automatic Differentiation of Sketched Regression // Proceedings of the 23rdInternational Conference on Artificial Intelligence and Statistics (AISTATS). - Palermo, Italy, 2020. - PMLR, vol. 108. - P. 4367-4376.
  7. Бахвалов Н.С., Жидков Н.П., Кобельков Г.М. Численные методы / 3-е изд., доп. и перераб. - М.: БИНОМ. Лаборатория знаний, 2004. - 636 с. ISBN 5-94774-175-X.
  8. Березин, И.С., Жидков Н.П. Методы вычислений. - 1962. - Т. I. 2-е изд., стереотипное. - М.: ГИФМЛ. - 464 c.
  9. Мысовских И.П. Лекции по методам вычислений. - М.: Наука. 1982. - 342 с.
  10. Толок А.В. Функционально-воксельный метод в компьютерном моделировании. - М.: Физматлит, 2016. - 112 с.
  11. Толок А.В. Локальная компьютерная геометрия. Учебное пособие. - М.: Ай Пи Ар Медиа, 2022. - 147 с.

补充文件

附件文件
动作
1. JATS XML


Creative Commons License
此作品已接受知识共享署名 4.0国际许可协议的许可

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».