Stützparametergrenzen für Fit CurveParametergrenzen auf der Anpassungskurve (ähnlich den Parametergrenzen, die in der klassischen nichtlinearen Version geschätzt werden können)
mjoner
Betreff: Unterstützungsparametergrenzen auf Fit Curve - Status geändert zu: Derzeit nicht geplantHi, @mjoner Hier ist die Problemumgehung dafür mit nichtlinear.Aus der Entwicklung sieht es so aus, als hätte dies keine Priorität, da wir eine Problemumgehung haben.
After fitting a model in Fit Curve, you can choose "Save Parametric Prediction
Formula". This saves the prediction formula in a way that can be easily used by
the classic Nonlinear platform. So if you relaunch Nonlinear and use the new
parametric prediction formula, you can use the classic nonlinear platform to do
fine-tuning like setting parameter bounds, convergence criteria, and so on.
Betreff: Unterstützungsparametergrenzen auf Fit Curve - Status geändert in: Zur Abstimmung offenBetreff: Unterstützungsparametergrenzen auf Anpassungskurve<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Dies ist eine nützliche Problemumgehung. Daran hätte ich denken sollen. Vielen Dank.
Betreff: Unterstützungsparametergrenzen auf AnpassungskurveKommentar von einem unserer Entwickler:
Dies ist definitiv etwas, das wir in Zukunft hinzufügen sollten. Aber In der Zwischenzeit gibt es eine Problemumgehung, die einigen Benutzern helfen kann ...
Nachdem Sie ein Modell in Fit Curve angepasst haben, können Sie „Parametrische Vorhersage speichern“ wählen Formel". Dadurch wird die Vorhersageformel auf eine Weise gespeichert, die einfach verwendet werden kann die klassische nichtlineare Plattform. Wenn Sie also Nonlinear neu starten und die neue verwenden parametrische Vorhersageformel können Sie dazu die klassische nichtlineare Plattform verwenden Feinabstimmung wie das Festlegen von Parametergrenzen, Konvergenzkriterien usw.
Definitiv keine ideale Lösung, aber es kann hilfreich sein, bis wir dazu in der Lage sind Änderungen an der Anpassungskurve vornehmen.
cc: mjoner
