Az Apache Commons Math lehet tekinteni kiterjesztése a Java mag és az Apache Commons Lang csomagok kezelése különböző kiskapuk kapcsolatos matematikai műveletek és a piaci szereplők.
Sok kisebb csomagok belsejében Commons Math alkatrész, minden, amely egy vagy több niche működését, üzemeltető, vagy algoritmus.
Egyes területek a Commons Math csomagokat lehet használni a következők:
- számtani és mértani
- variancia és a szórás
- összeg, a termék, napló összeg, négyzetösszeg értékek
- minimum, maximum, medián, és percentilis
- ferdesége és csúcsossága
- az első, második, harmadik és negyedik pillanatok
- gyakoriság
- egyszerű regresszió
- többszörös regressziós
- rank átalakulások
- kovariancia és korreláció
- a statisztikai tesztek
- a véletlen szám generálás
- generál véletlen vektorok
- generál véletlen sorozattól
- generáló biztonságosan titkosított sorozatok véletlen számok vagy szövegek
- generál véletlen mintákat és permutáció
- elemzése eloszlása értékek egy file és generáló értékek ", mint" az értékek a fájl
- idősorokat csoportosított gyakoriság vagy hisztogram
- mátrix összeadás, kivonás, szorzás
- skalár összeadás és a szorzás
- átültetés
- norma és nyomkövetési
- üzemeltetés egy vektor
- vektor összeadás, kivonás
- elemenként szorzás, osztás
- skalár összeadás, kivonás, szorzás, osztás és teljesítmény
- feltérképezése matematikai függvények (cos, sin ...)
- dot termék, a termék külső
- a távolság és a norma szerinti normák L1, L2 és Linf -
- megoldása lineáris rendszerek
- sajátértékek / sajátvektorok és szinguláris értékek / szinguláris vektorok
- nem valós mezők (komplex, frakciók ...)
- gyökér megállapítás
- interpoláció
- integráció
- a numerikus analízis
- polinomok
- differenciálás
- Erf funkciók
- Gamma funkciók
- Beta funkciók
- a kettős tömb segédprogramok
- int / kétágyas hash map
- lánctörtekkel
- gyors matematikai függvények
- binomiális együtthatók, faktoriális, Stirling számok és más közös matematikai függvények
- komplex számok
- összetett transzcendens függvények
- bonyolult formázás és elemzés
- valószínűségi eloszlás
- frakciókban
- frakció formázás és elemzés
- átalakítja módszerek
- 3D geometria
- az euklideszi terek
- n-Sphere
- bináris tér elválasztó
- egyváltozós függvények
- közönséges differenciálegyenletek
- genetikus algoritmusok
- Kalman szűrő
- görbe illesztése
- csoportosítási algoritmusok
- távolság intézkedések
A dokumentáció természetesen szerepel minden egyes ilyen csomag.
Mi az új ebben a kiadásban:
- < li> keret mesterséges neurális hálók
- önszervező funkció térképek
- Számítógépes geometria algoritmusok (konvex burka, magába labda)
- Megnövelt teljesítmény lineáris simplex megoldó
- Refactoring görbe szerelők
- Alacsony eltérés random generátor (Sobol, Halton)
- a legkisebb négyzetek illeszkedő
Mi az új 3.5 verzió:
- keret mesterséges neurális hálók
- önszervező funkció térképek
- Számítógépes geometria algoritmusok (konvex burka, magába labda)
- Megnövelt teljesítmény lineáris simplex megoldó
- Refactoring görbe szerelők
- Alacsony eltérés random generátor (Sobol, Halton)
- a legkisebb négyzetek illeszkedő
Mi az új verzió 3.4.1:
- keret mesterséges neurális hálók
- önszervező funkció térképek
- Számítógépes geometria algoritmusok (konvex burka, magába labda)
- Megnövelt teljesítmény lineáris simplex megoldó
- Refactoring görbe szerelők
- Alacsony eltérés random generátor (Sobol, Halton)
- a legkisebb négyzetek illeszkedő
Mi az új 3.1 verzió:
- Minden tartalom csomag & quot; o.a.c.m.optimization & quot; refactored új csomagok & quot; o.a.c.m.optimization & quot; és a & quot; o.a.c.m.fitting & quot;.
- DBSCAN csoportosítás algoritmust (a csomagban & quot; o.a.c.m.stat.clustering & quot;).
- Added element-by-element összeadás, kivonás, szorzás és osztás (osztályban & quot; o.a.c.m.util.MathArrays & quot;).
- Új kivitelező az egyéni ellenőrző osztályok (csomag & quot; o.a.c.m.optimization & quot;) áthaladó iterációk számát, amely után a & quot; konvergencia teszt & quot; true értéket ad vissza. Ez lehetővé teszi, hogy egy algoritmus, hogy visszatérjen a legjobb megoldást talált (miután a felhasználó által meghatározott számú iterációt) akkor is, ha az nem felel meg a többi konvergencia kritériumoknak.
- Egy új & quot; SynchronizedRandomGenerator & quot; hogy becsomagolja egy & quot; RandomGenerator & quot; minden módszer szinkronizálva, ezáltal a kód szálbiztosságát (néhány hatékonysági költsége).
- Hozzáadott új & quot; & quot ;: NaNStrategy sikerült, használt & quot; RankingAlgorithm & quot; megvalósítások. Bármely észlelt bemeneti érték, hogy sikerül a & quot; Double # isNaN & quot; ellenőrizze, eredmények a & quot; NotANumberException & quot;.
Mi az új 2.2-es verzióban:
- Ez alapvetően egy karbantartási kiadás, de ez is új funkciók és fejlesztések. A felhasználók a 2.1-es verzió arra ösztönzik, hogy frissítsen 2.2, mint ez a kiadás tartalmaz néhány fontos hibajavítást.
Mi az új 2.0-ás verzió:
- Javítva egy hiba okozta bejegyzéseket a 0 szimplex megoldó .
- Az eltávolított egy használaton kívüli érv egy privát módszer simplex megoldó.
- Megváltozott valószínűségi számítások binomiális, Poisson, és hipergeometriai eloszlás használható Catherine Loader nyeregpont közelítések.
- Az eltávolított halott kódot Complex # szakadék.
- A támogatás a súlyozott leíró statisztikák.
Követelmények :
- Java 5 vagy újabb
Hozzászólás nem található