注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 用python科学计算解偏微分方程

  2. 用python科学计算解偏微分方程，特别是用高斯迭代法计算拉普拉斯方程

  3. 所属分类：专业指导

    • 发布日期：2017-10-19
    • 文件大小：723byte
    • 提供者：weilangao

  1. EM算法逼近GMM参数针对二维数据点的python实现

  2. EM算法逼近GMM参数针对二维数据点的python实现。 GMM即高斯混合模型，是将数据集看成是由多个高斯分布线性组合而成，即数据满足多个高斯分布。EM算法用来以迭代的方式寻找GMM中个高斯分布的参数以及权值。GMM可以用来做k分类，而混合的高斯分布个数也就是分类数K。

  3. 所属分类：机器学习

    • 发布日期：2018-06-21
    • 文件大小：184kb
    • 提供者：xiaopangxia

  1. Perona_Malik算法Python实现

  2. 用Python实现Perona_Malik算法。多次迭代，可以看到和高斯滤波的区别。

  3. 所属分类：机器学习

    • 发布日期：2019-04-21
    • 文件大小：236kb
    • 提供者：clean_book

  1. 用python科学计算解偏微分方程

  2. 用python科学计算解偏微分方程，特别是用高斯迭代法计算拉普拉斯方程

  3. 所属分类：专业指导

    • 发布日期：2020-03-17
    • 文件大小：714byte
    • 提供者：tiancaixgd

  1. 用python科学计算解偏微分方程

  2. 用python科学计算解偏微分方程，特别是用高斯迭代法计算拉普拉斯方程 用python科学计算解偏微分方程，特别是用高斯迭代法计算拉普拉斯方程

  3. 所属分类：专业指导

    • 发布日期：2020-02-10
    • 文件大小：714byte
    • 提供者：panxiang162497

  1. scikit-learn-0.21.3-中文文档.pdf

  2. scikit-learn 是基于 Python 语言的机器学习工具 简单高效的数据挖掘和数据分析工具 可供大家在各种环境中重复使用 建立在 NumPy ，SciPy 和 matplotlib 上 开源，可商业使用 - BSD许可证1.监督学习 1广义线性模型 °1.1.1普通最小二乘法 1.1.2岭回归 1.1.3LaSs0 o1.1.4多任务 Lasso 115弹性网络 o116多任务弹性网络 1.1.7最小角回归 1.1. 8 LARS Lasso 1.19正交匹配追踪法(OMP 1.1.1

  3. 所属分类：机器学习

    • 发布日期：2019-08-24
    • 文件大小：40mb
    • 提供者：h394266861

  1. 计算方法python全源码

  2. 本资源包含了计算方法这一课程所涉及的所有算法的python源码，一共24个py文件，分别实现不同的算法，不仅可以学习，也可以作为考前复习，如超松弛迭代法求解方程组、高斯-约当消去法求解方程组(手动求逆矩阵)、雅可比迭代算法求解方程组、用高斯-约当消去法求解方程组系等等，这门课最终拿了A，欢迎下载参考学习

  3. 所属分类：讲义

    • 发布日期：2020-05-24
    • 文件大小：14kb
    • 提供者：weixin_42815846

  1. interplot.py

  2. 使用Python对数据进行高斯拟合，在 Geant 4 软件中为更方便的计算数值填充数值，对纵坐标进行数值归一化计 算之后拟合高斯函数曲线。 为使峰值点与 Geant 4 模拟出的最大值点相对应，需要 求解出高斯函数曲线的峰值横坐标得到峰值。 由于公式的复杂性， 无法求解出解析 解进而求解数值解。 高斯函数曲线先增加后减少的特性， 对公式 5.13 进行求导后 得出的函数表达式在数据横坐标区间上一定有一个零点， 通过二分法迭代求解法 控制绝对值误差小于 0.0001 的条件求解峰值点的横坐标。

  3. 所属分类：Linux

    • 发布日期：2020-06-15
    • 文件大小：10kb
    • 提供者：chinamaoge

  1. python实现高斯(Gauss)迭代法的例子

  2. 今天小编就为大家分享一篇python实现高斯(Gauss)迭代法的例子，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-18
    • 文件大小：31kb
    • 提供者：weixin_38649838

  1. 一种基于高斯核函数的python代码

  2. 将2D高斯核函数根据非正交方向进行分解，得到一维的x轴和其他方向的高斯函数，通过统计学方法，将分解的高斯函数与卷积滤波器或者迭代滤波器结合进行边缘检测。

  3. 所属分类：Linux

  1. python实现高斯消元法求线性方程组的解

  2. 高斯消元法简介   数学上，高斯消元法（或译：高斯消去法），是线性代数规划中的一个算法，可用来为线性方程组求解。但其算法十分复杂，不常用于加减消元法，求出矩阵的秩，以及求出可逆方阵的逆矩阵。不过，如果有过百万条等式时，这个算法会十分省时。一些极大的方程组通常会用迭代法以及花式消元来解决。当用于一个矩阵时，高斯消元法会产生出一个“行梯阵式”。高斯消元法可以用在电脑中来解决数千条等式及未知数。亦有一些方法特地用来解决一些有特别排列的系数的方程组。        ——转自百度百科 内容   消元法是将

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：424kb
    • 提供者：weixin_38689113

  1. 利用Python，实现雅克比(Jacobi)迭代法以及高斯-塞德尔(G-S)迭代法【矩阵形式】

  2. 利用Python，实现雅克比(Jacobi)迭代法以及高斯-塞德尔(G-S)迭代法【矩阵形式】 本文讲解使用Jacobi迭代和G-S迭代算法求解方程组的Python代码实现，同时涉及算法的原理阐述。 文章目录【Jacobi算法原理】【Jacobi的Python代码实现】1.1输入自变量个数mu，方程个数nu，迭代误差精度e1.2初始化LDU矩阵（p为行数，q为当前列数。）1.3构建自变量初值X_Current矩阵1.4初始化因变量y矩阵1.5计算并得到G1，d1矩阵（参照前面的Jacobi迭代

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：45kb
    • 提供者：weixin_38721691

  1. 武汉理工大学-数值分析-(3)线性代数方程组的数值解法

  2. 文章目录实验目标编程语言与扩展库高斯消元法（Gauss）列主元高斯消元法（Gauss）列主元LU直接分解法Jacobi迭代法Gauss-Seidel迭代法写在最后 实验目标 用编程语言编程实现以下算法： 1.用 高斯(Gauss)消元法 求n阶线性方程组的解。 2.用 列主元高斯(Gauss)消元法 求n阶线性方程组的解。 3.用 列主元LU直接分解法 求n阶线性方程组的解。 4.用 Jacobi迭代法 求n阶线性方程组的解。 5.用 Gauss-Seidel迭代法 求n阶线性方程组的解。 编

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：54kb
    • 提供者：weixin_38743372

  1. python实现高斯(Gauss)迭代法的例子

  2. 我就废话不多说了，直接上代码大家一起看吧！ #Gauss迭代法 输入系数矩阵mx、值矩阵mr、迭代次数n(以list模拟矩阵 行优先) def Gauss(mx,mr,n=100): if len(mx) == len(mr): #若mx和mr长度相等则开始迭代 否则方程无解 x = [] #迭代初值 初始化为单行全0矩阵 for i in range(len(mr)): x.append([0]) count = 0 #迭代次数计数 while count <

  3. 所属分类：其它

    • 发布日期：2021-01-02
    • 文件大小：36kb
    • 提供者：weixin_38664159

  1. PSO_python_demo:粒子群优化（PSO）的演示脚本（Python），部分翻译自SDMBIGDAT19（MATLAB）-源码

  2. PSO_python_demo 粒子群优化（PSO）的演示脚本（Python），部分翻译自 （MATLAB）。 幻灯片： ： 博客： 视频： 模拟数据挑战 给定 仅包含噪声的训练数据： TrainingData.mat 噪声是高斯平稳的 要分析的数据： analysisData.mat 信号：二次chi 参数搜索范围： 40 <a1 <100 1 <a2 <50 11 <a3 <15 检测与估计 检测：分析数据中是否有信号？ 估计：如果

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：653kb
    • 提供者：weixin_42165490

  1. BayesianOptimization：具有高斯过程的全局优化的Python实现-源码

  2. 贝叶斯优化 具有高斯过程的贝叶斯全局优化的纯Python实现。 PyPI（点）： $ pip install bayesian-optimization 来自conda-forge频道的Conda： $ conda install -c conda-forge bayesian-optimization 这是基于贝叶斯推理和高斯过程的受约束的全局优化程序包，它试图在尽可能少的迭代中找到未知函数的最大值。 该技术特别适合于高成本功能的优化，在这种情况下，勘探与开发之间的平衡很重要。 快

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：16mb
    • 提供者：weixin_42150341

  1. ffr-ElectronicStructure.jl：使用Julia进行电子结构计算-源码

  2. ffr-ElectronicStructure.jl 使用Julia编程语言实现的简单电子结构计算。 这里的许多代码都是从中获得启发的，尤其是泊松方程和最小化算法的示例问题。 尽管使用Julia编写，但我尝试避免使用Julia的高级语言功能。 我主要使用Julia进行快速原型制作。 我选择使Julia代码易于移植到Fortran，这是我用于实现的主要语言。 与MATLAB，Octave或Python（Numpy）相比，我发现Julia非常令人愉快。 主要原因是可以使循环结构与Fortra

  3. 所属分类：其它

  1. nm2021:包含Jupyter笔记本和其他材料，这些材料是为TIFR海得拉巴提供的数值方法课程（https-源码

  2. nm2021 包含Jupyter笔记本和为TIFR海得拉巴提供的数值方法课程准备的其他材料（ ） 互动笔记本 通过访问交互式笔记本 教学大纲（暂定）： Python：编写/运行代码：编辑器，Ipython； 模块，matplotlib，numpy 线性方程式：高斯消去，LU分解，直接/迭代方法 曲线拟合：最小二乘拟合，多项式插值，样条曲线 寻根：图形，二等分，牛顿-拉夫森 数值微分：有限差分； 错误分析 数值积分：Newton-Cotes公式，Romberg / Gaussian积分，多

  3. 所属分类：其它