Data

Tools

Indexes

Applications

Experiments

Open Source Science

https://github.com/ahudde/gradientenverfahren

https://github.com/ahudde/gradientenverfahren

Science Score: 13.0%

This score indicates how likely this project is to be science-related based on various indicators:

  • ○
    CITATION.cff file
  • ✓
    codemeta.json file
    Found codemeta.json file
  • ○
    .zenodo.json file
  • ○
    DOI references
  • ○
    Academic publication links
  • ○
    Academic email domains
  • ○
    Institutional organization owner
  • ○
    JOSS paper metadata
  • ○
    Scientific vocabulary similarity
    Low similarity (2.5%) to scientific vocabulary
Last synced: 10 months ago · JSON representation

Repository

Basic Info
  • Host: GitHub
  • Owner: ahudde
  • License: cc-by-4.0
  • Language: Jupyter Notebook
  • Default Branch: main
  • Size: 212 KB
Statistics
  • Stars: 0
  • Watchers: 1
  • Forks: 0
  • Open Issues: 0
  • Releases: 0
Created almost 2 years ago · Last pushed almost 2 years ago
Metadata Files
License

https://github.com/ahudde/Gradientenverfahren/blob/main/ 

# Das Gradientenverfahren [![Binder](https://mybinder.org/badge_logo.svg)](https://mybinder.org/v2/gh/ahudde/Gradientenverfahren/HEAD?labpath=Gradientenverfahren.ipynb)

![newplot](https://user-images.githubusercontent.com/60978072/150697749-3bf39092-d7b7-4ff3-8c2b-a50b096422bb.png)

Dieses Notebook vermittelt, wie man Extremwerte von Funktionen von mehreren Vernderlichen mittels der Gradientverfahrens bestimmt.
Weiterhin wird gezeigt, wie sich das Gradientenverfahren mit dem Python-Paket `SciPy` durchfhren lsst.

## Zugriff ber Binder [![Binder](https://mybinder.org/badge_logo.svg)](https://mybinder.org/v2/gh/ahudde/Gradientenverfahren/HEAD?labpath=Gradientenverfahren.ipynb)

Sie knnen auf das Notebook ber Binder mit dem Link [https://mybinder.org/v2/gh/ahudde/Gradientenverfahren/HEAD?labpath=Gradientenverfahren.ipynb](https://mybinder.org/v2/gh/ahudde/Gradientenverfahren/HEAD?labpath=Gradientenverfahren.ipynb) zugreifen.

## Lokale Ausfhrung

Man bentigt die Python-Anaconda Distribution (https://www.anaconda.com/products/individual). Zustzlich sollte man noch die Pakete `plotly` installieren (`conda install plotly` in den Anaconda-Prompt eingeben).

## Start

Laden Sie die Dateien `Gradientenverfahren.ipynb`  sowie die '.svg'-Dateien, und legen Sie diese im gleichen Ordner ab. Nun starten Sie Jupyter Notebook, z.B. indem Sie `jupyter notebook` in den Anaconda Prompt eingeben, und navigieren Sie zu der Datei.

Nun knnen sie die einzelnen Zellen des Notebooks ausfhren und sich so in das Thema nichtlineare Optimierung einarbeiten. Viele Python-Zellen lassen sich mehrmals hintereinander ausfhren, wobei jeweils ein neuer Interationsschritt gezeigt wird. Am besten probiert man das einfach aus.

Viel Spa beim Lernen!

Owner

  • Login: ahudde
  • Kind: user

GitHub Events

Total
Last Year

Dependencies

requirements.txt pypi
  • future ==0.18.3
  • numpy ==1.25.0
  • packaging ==23.1
  • plotly ==5.15.0
  • scipy ==1.10.1
  • tenacity ==8.2.2