JuliaDiff/ForwardDiff.jl
Forward Mode Automatic Differentiation for Julia
해결하는 문제
ForwardDiff.jl은 네이티브 Julia 함수의 도함수, 기울기, 자코비안, 헤시안을 계산할 수 있는 방법을 제공합니다. 수동 미분이나 정확도가 낮은 유한차분 방법의 필요성을 제거하며, 함수의 출력이 입력에 따라 어떻게 변화하는지를 더 높은 정확도와 속도로 계산할 수 있습니다.
작동 방식
이 라이브러리는 전방 모드 자동 미분(AD)을 구현합니다. 이 기술은 '이중수(Dual numbers)'를 사용하여 함수의 연산을 통해 도함수를 전파함으로써 정확한 도함수를 계산할 수 있게 해줍니다.
대상 사용자
Julia를 사용하여 수학적 함수의 도함수를 계산해야 하는 개발자 및 연구자들을 위한 것입니다. 특히 스칼라에서 벡터로 매핑되는 함수에 특화되어 있습니다.
주요 특징
- 포괄적인 도함수 세트: 도함수, 기울기, 자코비안, 헤시안을 포함한 고차 도함수까지 지원합니다.
- 성능: 유한차분과 같은 비-AD 알고리즘보다 일반적으로 속도와 정확도 면에서 뛰어납니다.
- 네이티브 통합: 네이티브 Julia 함수 및 어떤 호출 가능한 객체와도 호환됩니다.
- 의존성:
sin과 같은 간단한 함수의 도함수는 DiffRules.jl을 활용합니다.
관련
- 프로젝트
- 프로젝트
- 프로젝트
- 프로젝트
- 프로젝트