将渐变波导模式方程(WKB积分方程)化为分段积分,以波导某一模式在不同波长下的转折点为分段点,当波长相差很小时,相应的转折点相差也很小,可在各个分段积分中作折线近似,从而从理论上推出确定波导轮廓数据的递推式.以所得轮廓必须满足光滑条件为判据,最后定出波导的轮廓.该方法尤其适用于单模渐变波导,而且无需事先假设待定轮廓的函数形式.本文对双曲止割和抛物线轮廓的理想波导进行了计算机模拟,结果证明该方法的精度达到10~(-3)甚至于更高.而且理论上具有分割愈密,精度愈高的优点.

本程序为90年代初由段青云编写的SCE-UA算法代码，SCE-UA作为全局搜索算法自提出起得到了广泛的应用（尤其是在水资源领域），并证明能够取得很好的效果。

这篇论文主要探讨了中国古代玻璃制品的风化模型，利用随机森林算法进行数据分析和预测。
文章在数学建模的背景下，获得了山西省一等奖，论文的核心技术包括随机森林优化、数据填充、特征选择、降维模型和分类算法的应用。
对于问题一，研究者处理了数据中的缺失值，使用众数来填充颜色数据。
通过交叉表和卡方检验，确定了表面风化与玻璃类型之间有强相关性，与纹饰有弱相关性，与颜色则无明显关联。
通过观察化学成分的分布，如氧化铅和氧化钾含量，发现不同类型的玻璃具有特定的成分特征。
然后，他们构建了随机森林模型，以风化前后的均值偏差率预测化学成分含量，并验证了预测的准确性。
针对问题二，论文建立了基于重采样的随机森林模型来识别高钾玻璃和铅钡玻璃的分类规律。
通过对14个化学成分的分析，确定了二氧化硅、氧化钾、氧化铅和氧化钡作为关键因素。
通过投影寻踪法降低维度至5个重要成分，并利用改进的k-means聚类算法，将样本分为3个亚类，结果与实际相符。
通过调整聚类数优化损失函数，验证了初始设定的合理性。
在问题三中，研究者加入了有无风化的指标，继续使用随机森林模型预测玻璃类型，测试集预测准确率达到100%。
同时，通过支持向量机（SVM）和贝叶斯判别法结合扰动项，验证了有无风化指标对分类结果的影响，结果显示这个指标的作用不大。
此外，通过正态扰动测试随机森林模型的敏感性，证明模型的稳定性。
对于问题四，论文建立逐步回归模型，寻找不同类别化学成分间的线性关联。
通过VIF方差膨胀因子分析，确定了两类玻璃在二氧化硅、氧化钾、氧化铅和氧化钡等成分上的显著差异性，这与之前的问题二分析结果一致。
总结来说，这篇论文在数学建模的框架下，利用随机森林算法解决了古代玻璃制品风化的建模问题，包括了数据预处理、分类模型建立、特征重要性分析、降维聚类和线性关联研究等多个方面。
这些方法不仅在解决本问题上取得了良好效果，也为类似的历史文物研究提供了有价值的分析工具和思路。

在本文中，我们主要关注具有量化输入反馈和任意数据包损失的离散线性系统的稳定性问题。
详细分析了最粗糙的量化策略，以确保系统的渐近稳定性。
如果最粗糙的量化器是对数的，渐近稳定该系统的必要和充分条件被转化为代数Riccati方程，然后转化为一些LMI。
然后获得对数量化器的量化密度在所有与丢包有关的Lyapunov函数上的最小值根据这些LMI。
此外，我们还证明了对数量化器的扇区绑定方法对于具有任意数据包丢失的系统仍然有效。
渐近稳定性问题可以转换为具有扇区边界不确定性的鲁棒控制问题。
不确定系统的鲁棒稳定性被公式化为一些LMI。
最后，给出一个例子来说明本文结果的有效性。

BP神经网络稳定性分析，写的还是可以的，可以作为参考，这方面的资料都很少，太难证明了，所以很珍贵的，哈哈哈哈，需要些这么多描述

介绍一种基于MATI，AB的数字FIR滤波器设计方法——切比雪夫等波纹逼近法．比较了窗函数设计法、频率采样设计法和切比雪夫等波纹逼近法在设计数字FIR滤波器中的性能差异．应用MATI。
AB进行仿真实验，证明了切比雪夫等波纹逼近法的可行性与优越性．

北京科技大学研究生计算方法2004-2017年期末考试试卷及答案，均为pdf格式可直接打印，含填空题，判断题，计算题，证明题等。

北京科技大学研究生计算方法2004-2017年期末考试试卷及答案，均为pdf格式可直接打印，含填空题，判断题，计算题，证明题等。

准确了解用户对视频热度的选择（PP）的差异性对丰富的用户画像，提高个性化服务精确度和优化产品提供方收益等方面大有替代益。
目前只有少量的统计学方面的研究，在数据稀疏或者大规模启动的情况下不确定性的正确性。
基于大规模商业在线视频流媒体系统的用户观影数据，此处对用户的视频热度替换进行了多角度刻画分析，着重提出了两个基于协同过滤（CF）的算法来预测用户对视频热度的替代。
具体贡献如下：1）通过空模型假设对比实验，发现并非所有用户都偏好热度高的视频；
大多数用户有较广泛的优选范围，但用户之间2）设计了基于最近邻居的（NNI）和基于矩阵分解的（MFI）用户热度首选预测模型。
实验证明，当数据稀疏度低于48％的时候，用NNI或MFI算法初始化所得的用户热度替代比传统方法统计所得的结果更准确。
越稀疏的情况下，这种优势越明显。
此工作对视频系统中推荐服务设计和用户体验优化具有参考意义。

摘要—本文首次解决了这个问题一类不确定随机变量的自适应输出反馈控制方法时变时滞的非线性严格反馈系统使用神经网络（NNs）。
圆判据适用于设计一个非线性观测器，没有线性增长条件取决于系统状态，将其强加于非线性函数。
假设系统中存在时变延迟输出，仅采用NN来补偿所有未知数非线性项取决于延迟输出，因此，提出的控制算法比现有的算法更简单描述了不确定系统的NN反推控制方案用常微分方程举三个例子证明在中提出的控制方案的有效性这篇报告。

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。