Modele
Dodaj endpoint zgodny z OpenAI lub Anthropic, podając bazowy URL i klucz API, jeśli jest wymagany. Sprawdź połączenie. Lokalny serwer modelu musi działać; zdalne narzędzia mogą przesyłać dane oddzielnie.
Produkt
Funkcje programu · Kroki zaniku Rungego–Kutty
01
Przejrzyj cztery oszacowania nachylenia w DecayMarsh i odróżnij wynik numeryczny od analitycznej wartości zaniku.
Projekt
Wybierz folder i poproś asystenta o przeczytanie odpowiednich plików przed ich zmianą. Określ cel oraz granice zadania.
Zmiany
Sprawdzaj zmiany i wyniki poleceń. Uruchom testy projektu przed zaakceptowaniem rezultatu; wygenerowany kod nie jest automatycznie przetestowany.
Kroki zaniku Rungego–Kutty
● ● ●DecayMarsh●
Sposoby pracy · Kroki zaniku Rungego–Kutty ×
def decay_steps(initial, rate, dt, steps):
if any(type(v) not in (int, float) for v in (initial, rate, dt)):
raise ValueError("decay.numeric")
if not -10**6 <= initial <= 10**6 or not 0 <= rate <= 1000 or not 0 <= dt <= 1 or rate * dt > 1:
raise ValueError("decay.range")
if type(steps) is not int or not 0 <= steps <= 1000:
raise ValueError("decay.steps")
y = float(initial)
for _ in range(steps):
k1 = -rate * y
k2 = -rate * (y + dt*k1/2)
k3 = -rate * (y + dt*k2/2)
k4 = -rate * (y + dt*k3)
y += dt*(k1 + 2*k2 + 2*k3 + k4)/6
return y✳Całkuj skalarny zanik wykładniczy za pomocą najwyżej 1000 klasycznych kroków Rungego–Kutty dla skończonych ograniczonych danych.
✓ ZmianySprawdź przed zastosowaniem ↗
Ilustracja środowiska