아래 그림의 상단에서 시간에 따라 변화하는 값 (y 축) (x 축)을 볼 수 있습니다.두 데이터 세트 간의 보간 오차 최소화
이와 같이 우리는 서로 다른 예측할 수없는 시간에 값을 샘플링하고, 빨강과 파랑으로 표시된 두 데이터 세트 사이에서 샘플링을 번갈아 수행합니다.
언제든지 값을 계산할 때 빨강 및 파랑 데이터 세트가 비슷한 값을 반환 할 것으로 예상됩니다. 그러나 세 개의 작은 상자에 표시된 바와 같이 이것은 그렇지 않습니다. 시간이 지남에 따라 각 데이터 세트의 값 (빨간색과 파란색)은 발산 한 다음 원래 값에 대해 수렴합니다.
처음에 다음 I I는 Catmull의 롬 보간을 사용하려고하는 값을 구하는 선형 보간법을 사용 하였다. 전자는 값이 서로 가깝게 된 다음 각 데이터 포인트 사이에 표류합니다. 후자는 더 가깝게 유지되지만 평균 오차가 더 큰 값을 생성합니다.누구나 다른 전략이나 보간법을 제안 할 수 있습니까? (아마도 각 데이터 세트에서 더 많은 샘플 포인트를 사용하여)?
그것은 가치가있다 나는 일관성을 위해 정확성을 희생 할 준비가되어 있다고 지적했다. 선형 및 Catmull-Rom 보간법은 샘플 포인트였던 시간 값을 요청하면 샘플링 된 정확한 값을 반환하도록 보장합니다. 나는이 보증을 요구하지 않는다. – dukedave
이것이 도움이되는지 조금 불확실하지만 [유사 무작위 추출] (http://en.wikipedia.org/wiki/Low-discrepancy_sequence)에 대해 알고 있습니까? 일반적으로 무작위 표본 추출을 사용하는 확률 분포를 통합하는 것과 같은 상황에서 매우 유용 할 수 있습니다. –