本书为有限元方法系列专著的第1卷——基本原理，涵盖了有限元分析的一些基础领域，同时还涉足有限元分析的前沿内容。
本卷共20章，内容广泛，既强调有限元的数学力学原理，又结合工程实际背景。
该书的第1版完成于1967年，到现在已出版第5版，历时40余年，成为有限元领域的经典著作，已有几代从事计算力学的学者从该书中受益。
本书可作为高年级本科生和研究生的课程学习参考书，也是从事有限元研究的科研人员和工程技术人员的重要学习文献。
对于希望进一步了解有关非线性固体力学有限元分析的读者，请阅读该系列专著的第2卷——固体力学（清华大学出版社，2006年6月出版）；
对于希望进一步了解有关流体力学有限元分析的读者，请阅读该系列专著的第3卷——流体力学。
本卷共20章，内容广泛，既强调有限元的数学力学原理，又结合工程实际背景。
该书的第1版完成于1967年，到现在已出版第5版，历时40余年，成为有限元领域的经典著作，已有几代从事计算力学的学者从该书中受益。
本书可作为高年级本科生和研究生的课程学习参考书，也是从事有限元研究的科研人员和工程技术人员的重要学习文献。
对于希望进一步了解有关非线性固体力学有限元分析的读者，请阅读该系列专著的第2卷——固体力学（清华大学出版社，2006年6月出版）；
对于希望进一步了解有关流体力学有限元分析的读者，请阅读该系列专著的第3卷——流体力学。
2023/8/5 8:46:05
190.46MB
1
投影寻踪(projectionpursuit，PP)方法属于直接由样本数据驱动的探索性数据分析方法，是美国科学家Kruscal于20世纪70年代提出的，在高维性、非线性、非正态数据分析处理方面有独到之处，运用matlab编程，其计算步骤如下：(1)指标体系无量纲化；
（2）构造投影指标函数；
（3）构造投影目标函数；
(4)确定最佳投影方向；
(5)确定投影值
（2）构造投影指标函数；
（3）构造投影目标函数；
(4)确定最佳投影方向；
(5)确定投影值
2023/8/3 15:48:08
15KB
1
《射频与微波功率放大器设计》是2006年由电子工业出版社出版的图书，作者格列别尼科夫。
本书主要阐述设计射频与微波功率放大器所需的理论、方法、设计技巧，以及将分析计算与计算机辅助设计相结合的优化设计方法。
这些方法提高了设计效率，缩短了设计周期。
本书内容覆盖非线性电路设计方法、非线性主动设备建模、阻抗匹配、功率合成器、阻抗变换器、定向耦合器、高效率的功率放大器设计、宽带功率放大器及通信系统中的功率放大器设计。
本书适合从事射频与微波动功率放大器设计的工程师、研究人员及高校相关专业的师生阅读。
本书主要阐述设计射频与微波功率放大器所需的理论、方法、设计技巧，以及将分析计算与计算机辅助设计相结合的优化设计方法。
这些方法提高了设计效率，缩短了设计周期。
本书内容覆盖非线性电路设计方法、非线性主动设备建模、阻抗匹配、功率合成器、阻抗变换器、定向耦合器、高效率的功率放大器设计、宽带功率放大器及通信系统中的功率放大器设计。
本书适合从事射频与微波动功率放大器设计的工程师、研究人员及高校相关专业的师生阅读。
2023/8/1 0:39:49
108.73MB
1
作者黄云清，数值计算方法课后习题，内容涉及数值计算方法的数学基础、数值计算方法在工程、科学和数学问题中的应用以及所有数值方法的MATLAB程序等，涵盖了经典数值分析的全部内容。
包括:非线性方程的数值解法;线性方程组的数值解法;矩阵特征值与特征向量的数值算法;插值方法;函数最佳逼近;数值积分;数值微分;常微分方程数值解法等。
基于MATLAB是本书的特色，对书中所有的数值方法都给出了MATLAB程序，有大量详实的应用实例可供参考，有相当数量的习题可供练习
包括:非线性方程的数值解法;线性方程组的数值解法;矩阵特征值与特征向量的数值算法;插值方法;函数最佳逼近;数值积分;数值微分;常微分方程数值解法等。
基于MATLAB是本书的特色，对书中所有的数值方法都给出了MATLAB程序，有大量详实的应用实例可供参考，有相当数量的习题可供练习
2023/7/31 17:44:54
6.28MB
1
非线性拟合、参数估算反演、方程求解、微分方程求解、微分方程拟合、非线性规划、混合整数规划...，令你忘却Matlab、Origin、Lingo、Gams等世界品牌使用时的繁琐、低效与不足。
这个国内鼎鼎大名的非线性优化软件就不多介绍了，看官网首页：七维高科
这个国内鼎鼎大名的非线性优化软件就不多介绍了，看官网首页：七维高科
2023/7/29 17:27:31
7.25MB
1
迭代学习控制（iterativelearningcontrol，简称ILC）由Uchiyama于1978年首先提出。
迭代学习控制（iterativelearningcontrol，简称ILC）由Uchiyama于1978年首先提出，不过因为论文由日文撰写，影响不是很大。
1984年，Arimoto等人用英文介绍了该方法。
它是指不断重复一个同样轨迹的控制尝试，并以此修正控制律，以得到非常好的控制效果的控制方法。
迭代学习控制是学习控制的一个重要分支，是一种新型学习控制策略。
它通过反复应用先前试验得到的信息来获得能够产生期望输出轨迹的控制输入，以改善控制质量。
与传统的控制方法不同的是，迭代学习控制能以非常简单的方式处理不确定度相当高的动态系统，且仅需较少的先验知识和计算量，同时适应性强，易于实现；
更主要的是，它不依赖于动态系统的精确数学模型，是一种以迭代产生优化输入信号，使系统输出尽可能逼近理想值的算法。
它的研究对那些有着非线性、复杂性、难以建模以及高精度轨迹控制问题有着非常重要的意义。
迭代学习控制（iterativelearningcontrol，简称ILC）由Uchiyama于1978年首先提出，不过因为论文由日文撰写，影响不是很大。
1984年，Arimoto等人用英文介绍了该方法。
它是指不断重复一个同样轨迹的控制尝试，并以此修正控制律，以得到非常好的控制效果的控制方法。
迭代学习控制是学习控制的一个重要分支，是一种新型学习控制策略。
它通过反复应用先前试验得到的信息来获得能够产生期望输出轨迹的控制输入，以改善控制质量。
与传统的控制方法不同的是，迭代学习控制能以非常简单的方式处理不确定度相当高的动态系统，且仅需较少的先验知识和计算量，同时适应性强，易于实现；
更主要的是，它不依赖于动态系统的精确数学模型，是一种以迭代产生优化输入信号，使系统输出尽可能逼近理想值的算法。
它的研究对那些有着非线性、复杂性、难以建模以及高精度轨迹控制问题有着非常重要的意义。
2023/7/29 16:34:45
1.24MB
1
线性函数导数实验室简介：从这里开始在本实验中，我们将练习我们的导数知识。
请记住，我们的导数关键公式为$f'（x）=\frac{\Deltay}{\Deltax}=\frac{f（x+\Deltax）-f（x）}{\Deltax}$。
因此，在朝着这个公式迈进的过程中，我们将执行以下操作：了解如何在代码中表示线性和非线性函数。
然后，因为我们的导数计算依赖于看到初始值的输出以及该值加上deltax的输出，所以我们需要一个output_at函数。
然后，我们将能够对$\Deltaf$函数进行编码，该函数将看到初始x和该初始x加上$\Deltax$之间的输出变化。
最后，我们将在给定的x值derived_at上计算导derivative_at。
学习目标对于第一部分，您应该能够在理解我们对导数的定义的情况下回答所有
请记住，我们的导数关键公式为$f'（x）=\frac{\Deltay}{\Deltax}=\frac{f（x+\Deltax）-f（x）}{\Deltax}$。
因此，在朝着这个公式迈进的过程中，我们将执行以下操作：了解如何在代码中表示线性和非线性函数。
然后，因为我们的导数计算依赖于看到初始值的输出以及该值加上deltax的输出，所以我们需要一个output_at函数。
然后，我们将能够对$\Deltaf$函数进行编码，该函数将看到初始x和该初始x加上$\Deltax$之间的输出变化。
最后，我们将在给定的x值derived_at上计算导derivative_at。
学习目标对于第一部分，您应该能够在理解我们对导数的定义的情况下回答所有
2023/7/27 8:05:33
35KB
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