Apache Commons Math

Apache Commons Math có thể được coi là một phần mở rộng của lõi Java và các gói Apache Commons Lang, giải quyết các lỗ hổng khác nhau liên quan đến các hoạt động toán học và các nhà khai thác.

Có rất nhiều gói nhỏ bên trong thành phần Commons Toán, từng nhắm mục tiêu một hoặc nhiều hoạt động thích hợp, điều hành, hoặc thuật toán.

Một số lĩnh vực các gói Commons Math có thể được sử dụng là:

- số học và hình học phương

- phương sai và độ lệch chuẩn

- Tóm lại, sản phẩm, ghi số tiền, tổng các giá trị bình phương

- tối thiểu, tối đa, trung bình, và percentiles

- độ lệch và nhọn

- đầu tiên, thứ hai, thứ ba và thứ tư khoảnh khắc

- phân bố tần số

- hồi quy đơn giản

- nhiều hồi quy

- biến đổi thứ hạng

- hiệp phương sai và tương quan

- kiểm tra thống kê

- tạo ra các số ngẫu nhiên

- tạo ra vectơ ngẫu nhiên

- tạo chuỗi ngẫu nhiên

- tạo ra trình tự mã hóa an toàn của số ngẫu nhiên hoặc các chuỗi

- tạo mẫu ngẫu nhiên và hoán vị

- phân tích sự phân bố của các giá trị trong một tập tin đầu vào và tạo ra giá trị "như" các giá trị trong tập tin

- tạo ra dữ liệu cho phân bố tần số phân nhóm hoặc biểu đồ

- ma trận cộng, trừ, nhân

- Ngoài vô hướng và nhân

- transpose

- Định mức và theo dõi

- hoạt động trên một vector

- vector cộng, trừ

- yếu tố của phép nhân tố, chia

- vô hướng cộng, trừ, nhân, chia và điện

- lập bản đồ của các chức năng toán học (cos, sin ...)

- chấm sản phẩm, sản phẩm bên ngoài

- khoảng cách và tiêu chuẩn theo định mức L1, L2 và Linf -

- giải quyết các hệ thống tuyến tính

- giá trị riêng / vector riêng và các giá trị số ít / số ít vectơ

- lĩnh vực phi sản (phức tạp, phân số ...)

- Phát hiện gốc

- suy

- hội nhập

- phân tích số

- đa thức

- sự khác biệt

- chức năng ERF

- chức năng Gamma

- chức năng Beta

- tiện ích mảng đôi

- int / đôi đồ băm

- tiếp tục phân số

- chức năng toán học nhanh

- hệ số nhị thức, giai thừa, số Stirling và hàm toán học thông thường khác

- số phức

- chức năng siêu việt phức tạp

- định dạng phức tạp và phân tích cú pháp

- phân bố xác suất

- số phần

- phần định dạng và phân tích cú pháp

- chuyển đổi phương pháp

- hình học 3D

- không gian Euclide

- n-Sphere

- nhị phân không gian phân vùng

- chức năng đơn biến

- phương trình vi phân thường

- thuật toán di truyền

- Kalman lọc

- đường cong phù hợp

- thuật toán phân nhóm

- biện pháp cách ly

Tài liệu của khóa học bao gồm cho mỗi gói

Điều gì là mới trong phiên bản này:.

< li> Khung tạo lưới thần kinh nhân tạo
• bản đồ Tính năng tự tổ chức
• thuật toán hình học tính toán (lồi thân, kèm theo bóng)
• Hiệu suất cải tiến của người giải quyết đơn tuyến tính
• Refactoring của Xưởng đường cong
• Low-biệt phát ngẫu nhiên (sobol, Halton)
• Ít-ô vuông phù hợp

Điều gì là mới trong phiên bản 3.5:

• Khung tạo lưới thần kinh nhân tạo
• bản đồ Tính năng tự tổ chức
• thuật toán hình học tính toán (lồi thân, kèm theo bóng)
• Hiệu suất cải tiến của người giải quyết đơn tuyến tính
• Refactoring của Xưởng đường cong
• Low-biệt phát ngẫu nhiên (sobol, Halton)
• Ít-ô vuông phù hợp

Điều gì là mới trong phiên bản 3.4.1:

• Khung tạo lưới thần kinh nhân tạo
• bản đồ Tính năng tự tổ chức
• thuật toán hình học tính toán (lồi thân, kèm theo bóng)
• Hiệu suất cải tiến của người giải quyết đơn tuyến tính
• Refactoring của Xưởng đường cong
• Low-biệt phát ngẫu nhiên (sobol, Halton)
• Ít-ô vuông phù hợp

Điều gì là mới trong phiên bản 3.1:

• Tất cả nội dung của gói & quot; o.a.c.m.optimization & quot; refactored thành các gói mới & quot; o.a.c.m.optimization & quot; và & quot; o.a.c.m.fitting & quot;.
• DBSCAN thuật toán clustering (trong gói & quot; o.a.c.m.stat.clustering & quot;).
• gia tăng yếu tố theo yếu tố cộng, trừ, nhân và chia (trong lớp & quot; o.a.c.m.util.MathArrays & quot;).
• xây dựng mới trong các lớp kiểm tra tùy chỉnh (gói & quot; o.a.c.m.optimization & quot;) để thông qua số lần lặp lại sau đó & quot; kiểm tra tụ & quot; sẽ trở thành sự thật. Điều này cho phép một thuật toán để trả lại giải pháp tốt nhất được tìm thấy (sau khi số lượng người dùng xác định lặp đi lặp lại) ngay cả khi nó không đáp ứng các tiêu chuẩn hội tụ khác.
• Thêm mới & quot; SynchronizedRandomGenerator & quot; mà kết thúc tốt đẹp khác & quot; RandomGenerator & quot; với tất cả các phương pháp đang được đồng bộ, do đó vẽ các mã chủ đề an toàn (tại một số chi phí hiệu quả).
• Thêm mới & quot; & quot ;: NaNStrategy thất bại, sử dụng trong & quot; RankingAlgorithm & quot; triển khai thực hiện. Bất kỳ giá trị đầu vào gặp phải điều đó thành công một & quot; đúp # isNaN & quot; kiểm tra, kết quả trong một & quot; NotANumberException & quot;.

Điều gì là mới trong phiên bản 2.2:

• Điều này chủ yếu là một phát hành bảo trì, nhưng nó cũng bao gồm mới tính năng và cải tiến. Người dùng phiên bản 2.1 được khuyến khích để nâng cấp lên 2.2, khi phiên bản này bao gồm một số sửa lỗi quan trọng.

Điều gì là mới trong phiên bản 2.0:

• Cố định một lỗi gây ra bởi mục thiết lập là 0 trong simplex giải .
• Gỡ bỏ một đối số không sử dụng trong một phương pháp riêng trong simplex người giải quyết.
• Thay đổi các tính toán xác suất nhị thức, Poisson, và phân phối hypergeometric sử dụng xấp xỉ điểm yên ngựa Catherine Loader của.
• Loại bỏ mã chết từ Complex # chia.
• Thêm hỗ trợ cho các thống kê mô tả trọng.

Yêu cầu :

• Java 5 hoặc cao hơn