248313_fr-FR

liliconcom

Raccord Zernike

J'ai un client qui me pose des questions sur l'ajustement Zernike dans la bibliothèque de modèles non linéaires JMP. Je ne connais pas la méthode d'ajustement polynomial. Quiconque connaît cette méthode et / ou la capacité de faire ce type d'analyse (ou une solution de contournement) dans JMP? Merci.

Re: Zernike Fitting

À en juger par ce que j'ai lu sur le Web, les calculs sous-jacents seraient difficiles à implémenter en non linéaire. Pour un ajustement 2D ou 3D, je regarderais la plate-forme du processus gaussien. Il utilise des fonctions aléatoires gaussiennes pour interpoler entre les points de données et fera un bon travail d'ajustement des surfaces bosselées. Il peut être considéré comme similaire au krigeage. L'inconvénient de GP est qu'il ne s'adapte pas bien aux très gros problèmes (une méthode GASP rapide a été ajoutée il y a quelques versions, donc elle s'est beaucoup améliorée) .En fin de compte, cela dépend de ce qu'ils veulent faire.

Re: Zernike Fitting

Je second @DonMcCormack sur l'approche du processus gaussien, mais suggèrent également des réseaux de neurones.  Ils sont très flexibles et vous pouvez utiliser les différentes fonctions d'activation (Pro) pour aider à construire un meilleur modèle prédictif.   

Re: Zernike Fitting

Dès le début, j'ai entendu que seulement dans des situations d'optique ou de santé oculaire, utilisé pour mieux s'adapter aux fronts d'onde. Il existe des implémentations personnalisées dans MATLAB que je connais:

https://de.mathworks.com/matlabcentral/answers/408242-toolbox-for-zernike-polynomial-surface_fitting

là, vous voyez également comment ils ont été mis en œuvre. Pour capturer tous les polynômes Zernike possibles, il s'agit de nombreux paramètres, calculs et cas différents à gérer. Ensuite, je ne sais pas si JSL serait très rapide pour gérer toutes les opérations matricielles. 

 

Je ne sais pas si le gaussien et le nn sont de bonnes alternatives, car vous utilisez généralement des polynômes de zernike parce que vous avez affaire à des surfaces courbes, pas planes où vous pourriez avoir une belle grille dessus. Certains utilisent nn convolutionnaire et essaient de les généraliser pour maintenir l'orthogonalité requise.