函数逼近与曲线拟合，拟合的结果与拉格朗日插值及样条插值的结果比较复化梯形方法；
2.复化辛甫森方法；
3.复化高斯方法，求解第二类Fredholm积分方程高维积分数值计算的蒙特卡罗方法，分别用积分和测度两种不同角度，通过蒙特卡罗方法求冰激凌的体积病态的线性方程组的求解，选择病态问题的维数为6，分别用Gauss消去法、J迭代法、GS迭代法和SOR迭代法求解方程组，及其比较
2.复化辛甫森方法；
3.复化高斯方法，求解第二类Fredholm积分方程高维积分数值计算的蒙特卡罗方法，分别用积分和测度两种不同角度，通过蒙特卡罗方法求冰激凌的体积病态的线性方程组的求解，选择病态问题的维数为6，分别用Gauss消去法、J迭代法、GS迭代法和SOR迭代法求解方程组，及其比较
2024/2/28 7:33:41
273KB
1
在推荐算法中，样本空间构成的数据矩阵一般为稀松矩阵，且维数一般较多，可通过求取特征值或者奇异值的方式获得样本矩阵的特征矩阵，从而降低维数。
主成分分析法在矩阵降维中有很好的应用。
本文通过特征值分解、奇异值分解、PCA等操作可以获得降维后的矩阵，通过使用不同的相似度判别法获得最好的相似度，可以使得推荐算法具有很好的效果。
主成分分析法在矩阵降维中有很好的应用。
本文通过特征值分解、奇异值分解、PCA等操作可以获得降维后的矩阵，通过使用不同的相似度判别法获得最好的相似度，可以使得推荐算法具有很好的效果。
2024/2/3 9:17:28
360KB
1
本书主要是为了帮助那些在非数学领域工作的专业人员理解小波这一非常数学化的高深主题，并为在更严格的数学层面上进一步学习小波奠定基础。
在这里，包含了详细的讨论与精心设计的实例、图表以及练习，为读者理解基本概念提供了循序渐进的指导。
这些基本概念包括向量空间、度量。
范数、内积，基、维数、双正交性和矩阵等，甚至还包括许多新的小波应用，如图像压缩、湍流以及模式识别！本书是一本通过大量实例讲述小波与经典信号处理之间关系的入门书籍，主要内容包括：函数与变换、采样定理、多采样率处理、快速傅里叶变换、小波变换、正交镜像滤波器、实用小波和滤波器等．除此之外，本书还包括小波的一些典型应用，如图像压缩、湍流、模式识别等。
在这里，包含了详细的讨论与精心设计的实例、图表以及练习，为读者理解基本概念提供了循序渐进的指导。
这些基本概念包括向量空间、度量。
范数、内积，基、维数、双正交性和矩阵等，甚至还包括许多新的小波应用，如图像压缩、湍流以及模式识别！本书是一本通过大量实例讲述小波与经典信号处理之间关系的入门书籍，主要内容包括：函数与变换、采样定理、多采样率处理、快速傅里叶变换、小波变换、正交镜像滤波器、实用小波和滤波器等．除此之外，本书还包括小波的一些典型应用，如图像压缩、湍流、模式识别等。
2023/12/27 3:12:35
20.91MB
1
利用RBF网络（隐含层神经单元个数和学习率等参数可在内部修改，不作为输入参数）学习和训练，并对输入的测试样本做出响应。
输入和输出维数可以多维。
实际运行，逼近y=sin(t)函数效果不错。
输入和输出维数可以多维。
实际运行，逼近y=sin(t)函数效果不错。
2023/12/8 6:14:13
2KB
1
利用RBF网络（隐含层神经单元个数和学习率等参数可在内部修改，不作为输入参数）学习和训练，并对输入的测试样本做出响应。
输入和输出维数可以多维。
实际运行，逼近y=sin(t)函数效果不错。
输入和输出维数可以多维。
实际运行，逼近y=sin(t)函数效果不错。
2023/11/26 7:05:55
2KB
1
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