آپاچی عوام ریاضی می تواند در نظر گرفته شود یک فرمت به هسته ای جاوا و بسته آپاچی عوام لانگ، پرداختن به نقاط ضعف مختلف در مورد عملیات ریاضی و اپراتورها.
در بسیاری از بسته های کوچکتر در داخل جزء عوام ریاضی وجود دارد، هر هدف قرار دادن یک یا چند عملیات طاقچه، اپراتور یا الگوریتم.
در برخی از مناطق بسته عوام ریاضی را می توان مورد استفاده قرار گیرد عبارتند از:
در - ریاضی و هندسی یعنی
در - واریانس و انحراف معیار
در - مجموع، محصول، مبلغ ورود به سیستم، مجموع ارزش مربع
در - حداقل، حداکثر، متوسط و درصد و
در - چولگی و کشیدگی
در - اول، دوم، سوم و چهارم لحظات
در - توزیع فراوانی
در - رگرسیون ساده
در - رگرسیون چندگانه
در - تحولات رتبه
در - کوواریانس و همبستگی
در - آزمون های آماری
در - تولید اعداد تصادفی
در - تولید بردار تصادفی
در - تولید رشته های تصادفی
در - ایجاد توالی های رمز نویسی امن از اعداد تصادفی یا رشته
در - تولید نمونه تصادفی و جایگشت
در - تجزیه و تحلیل توزیع ارزش ها در یک فایل ورودی و تولید ارزش "مانند" مقادیر در فایل
در - تولید داده برای توزیع فراوانی گروه بندی و یا نمودار هیستوگرام
در - علاوه بر ماتریس، تفریق، ضرب
در - علاوه بر عددی و ضرب
در - پس و
در - هنجار و اثری
در - بهره برداری در بردار
در - علاوه بر برداری، تفریق
در - عنصر با ضرب عنصر، تقسیم
در - اسکالر جمع، تفریق، ضرب، تقسیم و قدرت
در - نقشه برداری از توابع ریاضی (COS، گناه ...)
در - نقطه محصول، محصول خارجی
در - از راه دور و هنجار با توجه به هنجارهای L1، L2 و Linf -
در - حل سیستم های خطی
در - مقادیر ویژه / بردارهای ویژه و مقادیر منفرد / بردار منحصر به فرد
در - زمینه های غیر واقعی (، فراکسیون ...)
در - پیدا کردن ریشه
در - درون یابی
در - یکپارچه سازی
در - تحلیل عددی
در - چند جمله ای
در - تمایز
در - توابع ERF
در - توابع گاما
در - توابع بتا
در - آب و برق آرایه دو
در - INT / دو نقشه هش
در - کسور ادامه داد
در - توابع ریاضی سریع
در - ضرایب دوجملهای، فاکتوریل، شماره استرلینگ و دیگر توابع ریاضی معمول
در - اعداد مختلط
در - توابع متعالی پیچیده
در - قالب بندی پیچیده و تجزیه
در - توزیع احتمال
در - تعداد بخش
در - قالب بندی بخش و تجزیه
در - تبدیل روش
در - هندسه 3D
در - فضاهای اقلیدسی
در - ابرکره
در - دودویی پارتیشن بندی فضای
در - توابع تک متغیره
در - معادلات دیفرانسیل معمولی
در - الگوریتم های ژنتیکی
در - فیلتر کالمن
در - برازش منحنی
در - الگوریتم های خوشه بندی
در - اقدامات فاصله
در اسناد است که البته برای هر یک از این بسته گنجانده
چه در این نسخه جدید است:
چارچوبی برای ایجاد شبکه های عصبی مصنوعی
نقشه های قابلیت خود سازمانده
الگوریتم های هندسه محاسباتی (بدنه محدب، متصل به توپ)
بهبود عملکرد از حل کننده سیمپلکس خطی
فاکتورگیری مجدد مکانیکی منحنی
کم اختلاف ژنراتور تصادفی (sobol، هالتون)
حداقل مربعات اتصالات
چه در نسخه 3.5 جدید است:
چارچوبی برای ایجاد شبکه های عصبی مصنوعی
نقشه های قابلیت خود سازمانده
الگوریتم های هندسه محاسباتی (بدنه محدب، متصل به توپ)
بهبود عملکرد از حل کننده سیمپلکس خطی
فاکتورگیری مجدد مکانیکی منحنی
کم اختلاف ژنراتور تصادفی (sobol، هالتون)
حداقل مربعات اتصالات
چه در نسخه 3.4.1 جدید است:
چارچوبی برای ایجاد شبکه های عصبی مصنوعی
نقشه های قابلیت خود سازمانده
الگوریتم های هندسه محاسباتی (بدنه محدب، متصل به توپ)
بهبود عملکرد از حل کننده سیمپلکس خطی
فاکتورگیری مجدد مکانیکی منحنی
کم اختلاف ژنراتور تصادفی (sobol، هالتون)
حداقل مربعات اتصالات
چه در نسخه 3.1 جدید است:
همه محتویات بسته و & quot؛ o.a.c.m.optimization و & quot؛ refactored است به بسته های جدید و & quot؛ o.a.c.m.optimization و & quot؛ و & quot؛ و & quot ؛. o.a.c.m.fitting
الگوریتم DBSCAN خوشه (در بسته و & quot؛ o.a.c.m.stat.clustering و & quot؛).
اضافه شدن عنصر توسط عنصر جمع، تفریق، ضرب و تقسیم (در کلاس و & quot؛ o.a.c.m.util.MathArrays و & quot؛).
سازنده جدید در کلاس جستجوگر سفارشی (بسته و & quot؛ o.a.c.m.optimization و & quot؛) برای عبور از تعداد تکرارها و پس از آن و & quot؛ آزمون همگرایی و & quot؛ درست خواهد بود. این اجازه می دهد تا یک الگوریتم برای بازگشت به بهترین راه حل پیدا (پس از شماره تعریف شده توسط کاربر از تکرار) حتی اگر آن را معیار همگرایی دیگر برآورده نمی کنند.
اضافه شده جدید و & quot؛ SynchronizedRandomGenerator و & quot؛ که کاری ادامه داده اند یکی دیگر از & quot؛ را RandomGenerator و & quot؛ با تمام روش های در حال هماهنگ، در نتیجه ارائه کد موضوع امن (در برخی از هزینه بهره وری).
اضافه شده جدید و & quot؛ و & quot ؛: NaNStrategy شکست خورده، مورد استفاده در & quot؛ را RankingAlgorithm و & quot؛ پیاده سازی. هر مقدار ورودی مواجه می شوند که موفق یک & quot؛ دو # isNaN و & quot؛ را بررسی کنید، نتایج را در یک & quot؛ و & quot ؛. NotANumberException
چه در نسخه 2.2 جدید است:
این در درجه اول یک نسخه تعمیر و نگهداری، اما آن را نیز شامل ویژگی های جدید و پیشرفت. کاربران از نسخه 2.1 را تشویق به ارتقاء به 2.2، به عنوان این نسخه شامل برخی از رفع اشکال مهم است.
چه در نسخه 2.0 جدید است:
ثابت خطا ناشی از ورودی در حل سیمپلکس به 0 تنظیم.
حذف یک آرگومان استفاده نشده در یک روش خصوصی در حل سیمپلکس.
محاسبات احتمال تغییر برای علمی، پواسون، توزیع و فوق هندسی به استفاده از تقریب نقطه زین کاترین لودر است.
کد مرده برداشته از # تقسیم مجتمع.
اضافه شدن پشتیبانی برای آمار توصیفی وزن.
مورد نیاز:
جاوا 5 یا بالاتر
نظر یافت نشد