Open Access · CC BY 4.0
PyNumDiff: Practical Numerical Differentiation for Noisy Data
Journal of Open Source Software · 02.11.2026 · 11 (127) · 11172
DOI: 10.21105/joss.11172 ↗Kurz gefasst
Fachartikel in der Zeitschrift Journal of Open Source Software, erschienen am 02.11.2026. Verfasst von Pavel Komarov und 3 weiteren Autor:innen. Die Arbeit nennt 19 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).
Abstract (Originalsprache)
Kein Abstract verfügbar.
Zitieren
APA
Komarov, P., Breugel, F. V., Protogerou, M., & Kutz, J. N. (2026). PyNumDiff: Practical Numerical Differentiation for Noisy Data. Journal of Open Source Software, 11(127), 11172. https://doi.org/10.21105/joss.11172
Vancouver
Komarov P, Breugel FV, Protogerou M, Kutz JN. PyNumDiff: Practical Numerical Differentiation for Noisy Data. Journal of Open Source Software. 2026;11(127):11172. doi:10.21105/joss.11172
BibTeX
@article{Komarov2026,
author = {Komarov, Pavel and Breugel, Floris van and Protogerou, Maria and Kutz, J. Nathan},
title = {PyNumDiff: Practical Numerical Differentiation for Noisy Data},
journal = {Journal of Open Source Software},
year = {2026},
volume = {11},
number = {127},
pages = {11172},
doi = {10.21105/joss.11172}
}
EUVIMED