Ja. Jag använder matriser. Men har lite andra funderingar nu om man inte ska använda matriser. Jag har insett att måste använda sig utav float för att lösa detta problem. Eller gå tillbaka till histogrammen.
Metod 1:
Jag skapar min matris \(A\) från mitt histogram. Egentligen behöver jag bara använda histogrammet då det redan är i praktiken en matris på 16x16.
Sedan behöver jag sätta en etikett som jag vill träna mot. Alltså \(b\). Då löser jag \(Ax=b\) där \(x\) blir float och \(b\) kan vara t.ex. radnummret fast i binär form.
När jag sedan ska verifera så skapar jag min matris \(A\) och multiplicerar det med \(Ax\) för att hitta \(b\). Där efter måste jag hitta ett \(b\) som omvandlas till ett binärt värde.
Det problem jag har stött på är:
- Minsta kvadratmetoden måste användas, dvs LU, QR, SVD osv för att beräkna \(x\)
- När jag sedan ska verifiera med en godtyckligt \(A\) så måste \(x\) vara så anpassat så inte \(b\) blir andra värden. Minsta kvadratmetoden är för precision och här ska jag inte ha någon precision. Jag ska bara ha ett si så där med stora felmarginaler.
- Minsta kvadratmetoden är endast till för linjära system. Linjära system fungerar bra om det är hög upplösning och många ekvationer.
Metod 2:
Jag återgår till vanliga metoden jag körde innan (Rom byggdes inte över en natt) och utvecklar mer villkor.
- Totala summan av absoluta felvärdet måste vara det minsta. Denna fungerar bra!
- Antalet absoluta felvärden som ej överstiger en viss nivå. Denna funderar jag på lägga till. Tänkte då kanske man kommer förbi brus?
En blå blomma i en röd bakgrund har felvärdet 50 och antal felvärden som ej överstiger ett valt värde är 78.
När jag byter bakgrund till en fläckig svartvit bakgrund så ökar felvärdet till 150, men antal felvärden som ej överstiger ett valt värde är fortfarande 78.
Förstår ni hur jag menar?
Exempelvis så skulle man lära sig att avgöra hur man kan räkna på skillnader i ett bar-diagram.