Discussion :

[dzonaser]

Bonjour, J'aimerais savoir comment on implemente sous matlab/simulink un Jacobien.
En particulier comment à partir de 2 signaux s et u obtenir la dérivée de s par rapport à u.
Merci de me répondre.

[mr_samurai]

Salut,

Tu peux voir sur le FEX .

++ bonne chance

[FR119492]

Salut!
Pour un ensemble de n fonctions de n variables, la matrice jacobienne est une matrice nxn dont les termes sont toutes les dérivées partielles des n fonctions par rapport aux n variables. Le jacobien est le déterminant de cette matrice. Dans la formulation de ton problème, on ne voit pas ce que sont les n fonctions et les n variables. Précise donc.
Jean-Marc Blanc

[dzonaser]

En fait je fais un algo à base de réseaux de neurones. Dans une boucle de régulation, nous avons un signal u(k) qui commande un processus donné qui génère i(k) en sortie (k étant le numéro de l'itération). Il s'agit à chaque itération d'obtenir le jacobien (en fait la dévirée puis qu'il n'ya que 2 variables) J=di(k)/du(k) utilisé pour l'adaptation (mise à jour) d'un autre paramètre W.
Donc y a-t-il un module simulink capable de calculer la dérivée d'un paramètre par rapport à un autre( les 2 variant en font du temps) ou comment implémenter ceci facilement sur Matlab?
J'espère être plus clair maintenant.
A+

[mr_samurai]

Si le vecteur u correspond à di, le plus simple :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
J = diff(di) ./diff(u); 
% ou :
J = jacobian(di, u);
% ou :
J = diff(di, u);

Tu peux aussi essayé une régression sur u et dériver le résultat .

Sinon, La grande majorité des critères d'optimisation d'un réseau de neurones sont déjà disponible dans la Neural Network Toolbox. tu peux aussi voir la fonction CALCJX .

++ bonne chance

[dzonaser]

Merci! je regarde tout ça!