verification op• 데이터 종류: 없음 → table(인자만으로 정해지는 연산자 —— 이미지나 데이터 입력을 받지 않습니다)
• 호출: import fullseye as fs; fs.ledger.conv_gci(phi=None, h=None, r=None, n_cells=None, dim=None, safety_factor=1.25) -> 'dict'(구현을 직접 호출하려면 import converge; converge.conv_gci(phi=None, h=None, r=None, n_cells=None, dim=None, safety_factor=1.25) -> 'dict', 원장에서 가져오려면 opsconverge.get("conv_gci"))
가장 세밀한 해의 격자 수렴 지수 GCI: Celik 외 2008의 절차(식 1~7).
> 아래 상세 설명은 원문입니다 —— 요약과 제목은 번역되어 있습니다.
Takes the same inputs as conv_observed_order (three solutions, finest first, and the refinement) and returns, with p from eq. (3):
phi_ext21 = (r21^p phi1 - phi2) / (r21^p - 1) (4) (and phi_ext32)
e_a21 = |(phi1 - phi2) / phi1| (5)
e_ext21 = |(phi_ext12 - phi1) / phi_ext12| (6)
GCI_fine21 = 1.25 e_a21 / (r21^p - 1) (7)
(safety_factor = 1.25 as in eq. (7)). Fractions and percentages are both returned, and report reads "phi1 +- GCI". Note what the GCI is not: it bounds the discretization error of the fine solution only — "this does not account for modeling errors" (Celik).
Refusal as in conv_observed_order, plus phi1 = 0 or phi_ext = 0 (relative errors undefined). Defaults: Celik Table 1, first column (GCI 2.2 %).
• convergent_computation 패밀리 가이드
• 샘플 데이터 카탈로그(DL URL / 라이선스) —— 2-D 는 skimage.data(BSD/public)+ 합성, 3-D 는 실데이터 소스(Stanford/PDS 등)의 DL URL.
• 연산자의 내력·참고문헌 —— 이 연산자 족의 바탕이 된 연구/기법의 출처.
• 알고리즘의 정전(저자·연도)과 용도는 위의 패밀리 사용 가이드에 적혀 있습니다.
• converge_tour — py -3.11 examples/converge_tour.py
table 를 입력으로 받는 것)—
verification)*Provenance: converge.py — CONVERGE 연산자 레지스트리. 이 op 노트는 tools/opdocs.py md 가 자동 생성합니다(직접 편집하지 마세요).*
© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.