求解线性⽅方程组Ax=b,其中A为nxn维的已知矩阵,b为n维的已知向量,x为n维的未知向量。
(1)Jacobi迭代法。
(2)Gauss-Seidel迭代法。
(3)逐次超松弛迭代法。
(4)共轭梯度法。
A为对称正定矩阵,其特征值服从独⽴同分布的[0,1]间的均匀分布;b中的元素服从独立同分布的正态分布。
令n=10、50、100、200,分别绘制出算法的收敛曲线,横坐标为迭代步数,纵坐标为相对误差。
比较Jacobi迭代法、Gauss-Seidel迭代法、逐次超松弛迭代法、共轭梯度法与高斯消去法、列主元消去法的计算时间。
改变逐次超松弛迭代法的松弛因⼦,分析其对收敛速度的影响。
2025/1/6 4:34:36 4KB 数值分析 MATLAB 迭代法
1
本程序根据训练好的网络文件ANN.mat预测新的数据文件,得到均方误差,并画出预测数据和原数据的对比图。
2024/12/31 8:14:24 2KB BP神经网络
1
开源的IMU/GNSS仿真工具,基于Python开发。
内建传感器数据生成,传感器误差模型,提供了多个实例算法代码。
可以有效帮助IMU/GNSS开发。
2024/12/29 2:42:26 2.08MB IMU GNSS Fusion 组合导航
1
程序直接能够运行,当然对于matlab的版本可能有些要求,我的是2012版本没问题。
这里边包括小波分析、神经网络以及遗传算法,实现对数据充分的拟合,直接输出误差变化过程图,可清楚的观察误差的过程。
2024/12/27 11:05:41 3KB 遗传算法 小波神经网络
1
列主元Gauss消去法是指在解方程组时,未知数顺序消去,在要消去的那个未知数的系数中找按模最大者作为主元.完成消元后,系数矩阵化为上三角形,然后在逐步回代求解未知数.列主元Gauss消去法是在综合考虑运算量与舍人误差控制的情况下一种较为理想的算法.本文档给出了算法描述及算法matlab代码实现。
2024/12/25 3:08:01 41KB 列主元 Gauss消去法 解方程组 matlab
1
为了获得超高精度面形的光学元件并验证离子束的修正能力,对应用离子束修正大面形误差光学元件的问题进行了实验研究。
通过改变离子源光阑尺寸的方式获得了不同束径的离子束去除函数,并对一直径为101mm、初始面形峰谷(PV)值为417.554nm、均方根(RMS)值为104.743nm的熔石英平面镜进行了离子束修形实验。
利用10、5、2mm光阑离子源的组合,进行了12次迭代修形,最终获得了PV值为10.843nm、RMS值为0.872nm的超高精度表面。
实验结果表明,应用离子束可以对大面形误差光学元件进行修正,并且利用更大和更小束径离子束去除函数的组合进行优化,可以进一步提升加工效率和精度。
2024/12/24 7:34:38 3.49MB 光学制造 离子束 面形修正 去除函数
1
带有随机系数矩阵的马尔可夫跳跃线性系统的线性最小均方误差估计
2024/12/23 1:10:09 1.16MB 研究论文
1
二站纯方位定位误差的近似贝叶斯估计
2024/12/17 6:52:54 2.25MB 研究论文
1
可以自行输入经纬度和时间,计算出日出日落时间,亲测误差很小,也就正负2到3分钟
2024/12/16 22:29:22 2.5MB 日出日落
1
数控机床误差实时补偿技术,误差形成机理,补偿模型及方法。
2024/12/16 19:27:31 32.74MB 机床 误差 模型
1
共 588 条记录 首页 上一页 下一页 尾页
在日常工作中,钉钉打卡成了我生活中不可或缺的一部分。然而,有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚,我总是得牢记打开钉钉应用,点击"工作台",再找到"考勤打卡"进行签到。有时候因为工作忙碌,会忘记打卡,导致考勤异常,影响当月的工作评价。而且,由于我使用的是苹果手机,有时候系统更新后,钉钉的某些功能会出现异常,使得打卡变得更加麻烦。 另外,我的家人使用的是安卓手机,他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说,每次打卡都是一次挑战。他们总是担心自己会操作失误,导致打卡失败。 为了解决这些烦恼,我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习,我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03 15KB 钉钉 钉钉打卡