Поиск аппроксимирующей функции? Всем привет! Столкнулся со следующей задачей: имеется некая зависимость двух величин (в моем случае это зависимость ЭДС аккумулятора от степени заряда, но на самом деле не суть важно)и известно что зависимость нелинейная и вид ее неизвестен. Есть наборы экспериментально полученных точек для разных условий. Т.е. в принципе можно каждую аппроксимировать по МНК полиномом n-го порядка, но интересно как найти вид функции, который наиболее подходит для этого набора данных? Вот напримера, если у нас экспоненциальная зависимость экспериментальных данных мы, конечно можем аппроксимировать ее полиномом, но ведь изначально функция была экспонента. Одним словом сделать обратный процесс.
Может какие-нибудь генетические алгоритмы или еще что-то в этом роде?

Предыдущий
вопрос Следующий
вопрос

Для решения подобной задачи можно воспользоваться методом машинного обучения. Например, можно использовать алгоритмы регрессии, которые позволяют находить зависимости между входными и выходными данными без необходимости знать вид функции заранее.

Вы можете попробовать использовать методы искусственных нейронных сетей или генетические алгоритмы для поиска наиболее подходящей функции, которая аппроксимирует ваши данные. Нейронные сети, например, могут быть настроены на обучение сложных нелинейных зависимостей между входными и выходными данными.

Генетические алгоритмы могут быть использованы для оптимизации параметров функции аппроксимации, таких как коэффициенты полинома или параметры экспоненциальной функции, чтобы минимизировать ошибку аппроксимации.

Выбор конкретного метода зависит от вашего уровня экспертизы в области машинного обучения и доступных ресурсов для проведения исследований.