Guarnición ZernikeTengo un cliente preguntando sobre Zernike Fitting en la biblioteca de modelos no lineales JMP. No estoy familiarizado con el método de ajuste polinómico. ¿Alguien familiarizado con este método y / o la capacidad de hacer este tipo de análisis (o una solución alternativa) en JMP? Gracias.
Re: Zernike FittingA juzgar por lo que he leído en la Web, las matemáticas detrás de esto serían difíciles de implementar en no lineal. Para el ajuste 2D o 3D, miraría la plataforma Gaussian Process. Utiliza funciones aleatorias gaussianas para interpolar entre puntos de datos y hará un trabajo decente ajustando superficies irregulares. Se puede considerar similar al kriging. El inconveniente de GP es que no se adapta bien para problemas muy grandes (se agregó un método GASP rápido hace algunas versiones, por lo que ha mejorado mucho) En última instancia, depende de lo que quieran hacer.
Re: Zernike FittingVoy a segundo @DonMcCormack en el enfoque del proceso gaussiano, pero también sugieren redes neuronales. Son muy flexibles y puede usar las diferentes funciones de activación (Pro) para ayudar a construir un mejor modelo predictivo.
Re: Zernike FittingDesde el primer momento, escuché que solo en ópticas o situaciones de salud ocular, solía adaptarse mejor a los frentes de onda. Hay algunas implementaciones personalizadas en MATLAB que sé:
https://de.mathworks.com/matlabcentral/answers/408242-toolbox-for-zernike-polynomial-surface_fitting
allí también puedes ver cómo se han implementado. Para capturar todos los polinomios de Zernike posibles, se deben manejar muchas configuraciones, cálculos y casos diferentes. Entonces no estoy seguro de si JSL sería muy rápido para manejar todas las operaciones matriciales.
No estoy seguro de si gaussian y nn son buenas alternativas, ya que generalmente usa polinomios zernike porque se trata de superficies curvas, no planas, donde podría tener una buena cuadrícula. Algunos usan nn convolucionario e intentan generalizarlos para mantener la ortogonalidad requerida.
