python中惩罚的代码_python或matlab中的惩罚插值

我有一个损失函数L和2个信号f(t)，g(t)。

我想找到最小化的函数s：L(f(t)-g(t+s(t)))+lambda*integral(s''(t))

理想情况下，s应该是多项式或样条曲线。在

下面是我编写的启动问题的代码：import numpy as np

from numpy import *

from numpy.linalg import *

import sklearn as sk

import scipy as sp

import scipy.io

from matplotlib.pyplot import *

from scipy.interpolate import *

#mat = scipy.io.loadmat('/home/luca/Documents/phd_python_code/peak_aligment/john_example.mat')

mat = scipy.io.loadmat('../peak_aligment/john_example.mat')

t1=mat["t1"].squeeze()

t2=mat["t2"].squeeze()

t3=mat["t3"].squeeze()

t=sort(unique(concatenate((t1,t2,t3),axis=0)))

t_min=max(min(t1),min(t2),min(t3))

t_max=min(max(t1),max(t2),max(t3))

t=[val for val in t if t_min<=val<=t_max]

sig1=mat["sig_1"].squeeze()

sig2=mat["sig_2"].squeeze()

sig3=mat["sig_3"].squeeze()

s1=interp1d(t1,sig1,kind="cubic")

s2=interp1d(t2,sig2,kind="cubic")

s3=interp1d(t3,sig3,kind="cubic")

编辑：

我离解决方案更近了，但我仍然有问题。在

我定义了一个成本函数：

^{pr2}$

我试着用scipy.optimize.minize.

主要问题是pt经常超出t的范围值。所以当我调用s2(pt) i时，会收到一个错误。怎样才能插值函数也在t的范围之外？在