rs 里查森迭代法求線性方程組 crs 里查森參數(shù)迭代法求線性方程組 grs 里查森迭代法求線性方程組 jacobi 雅可比迭代法求線性方程組 gauseidel 高斯-賽德爾迭代法求線性方程組 SOR 超松弛迭代法求線性方程組 SSOR 對稱逐次超松弛迭代法求線性方程組 JOR 雅可比超松弛迭代法求線性方程組 twostep 兩步迭代法求線性方程組 fastdown 最速下降法求線性方程組 conjgrad 共軛梯度法求線性方程組 preconjgrad 預(yù)處理共軛梯度法求線性方程組 BJ 塊雅克比迭代法求線性方程組 BGS 塊高斯-賽德爾迭代法求線性方程組 BSOR 塊逐次超松弛迭代法求線性方程組
上傳時間： 2014-01-25
上傳用戶：wang0123456789
MSLSⅠ多步遞推最小二乘法 Msls分三步對系統(tǒng)和噪聲模型進行辨識，采用脈沖序列作為輔助系統(tǒng)模型，用計算輸出數(shù)據(jù)；用原輸出數(shù)據(jù)計算,用遞推最小二乘方法分別對系統(tǒng)參數(shù)和模型參數(shù)進行估計。
上傳時間： 2017-06-16
上傳用戶：exxxds
采用雙步移位的QR分解算法求解方程組的解，中間采用了擬上三角化，反冪法等算法
上傳時間： 2013-12-09
上傳用戶：BOBOniu
共軛梯度法為求解線性方程組而提出。后來，人們把這種方法用于求解無約束最優(yōu)化問題， 使之成為一種重要的最優(yōu)化方法。 共軛梯度法的基本思想是把共軛性與最速下降方法相結(jié)合， 利用已知點處的梯度構(gòu)造一組共 軛方向， 并沿這組方向進行搜索， 求出目標(biāo)函數(shù)的極小點。 根據(jù)共軛方向的基本性質(zhì)， 這種 方法具有二次終止性。 在各種優(yōu)化算法中， 共軛梯度法是非常重要的一種。 其優(yōu)點是所需存 儲量小，具有步收斂性，穩(wěn)定性高，而且不需要任何外來參數(shù)。 共軛方向 無約束最優(yōu)化方法的核心問題是選擇搜索方向 . 在本次實驗中 , 我們運用基于共軛方向的一種 算法 — 共軛梯度法 三．算法流程圖： 四．實驗結(jié)果： (1). 實驗函數(shù) f=(3*x1-cos(x2*x3)-1/2)^2+(x1^2-81*(x2+0.1)+sin(x3)+1.06)^2+(exp(-x1*x2)+20*x3+ 1/3*(10*3.14159-3))^2; 給定初始點 (0,0,0) ， k=1 ，最 大迭代次數(shù) n ? ? d 確定搜索方向 進 退 法 確 定 搜 索 區(qū) 間 分割法確定最 優(yōu)步長
上傳時間： 2016-05-08
上傳用戶：saren11
主要內(nèi)容介紹 Allegro 如何載入 Netlist，進而認(rèn)識新式轉(zhuǎn)法和舊式轉(zhuǎn)法有何不同及優(yōu)缺點的分析，透過本章學(xué)習(xí)可以對 Allegro 和 Capture 之間的互動關(guān)係，同時也能體驗出 Allegro 和 Capture 同步變更屬性等強大功能。Netlist 是連接線路圖和 Allegro Layout 圖檔的橋樑。在這裏所介紹的 Netlist 資料的轉(zhuǎn)入動作只是針對由 Capture（線路圖部分）產(chǎn)生的 Netlist 轉(zhuǎn)入 Allegro（Layout部分）1． 在 OrCAD Capture 中設(shè)計好線路圖。2． 然後由 OrCAD Capture 產(chǎn)生 Netlist（annotate 是在進行線路圖根據(jù)第五步產(chǎn)生的資料進行編改）。 3． 把產(chǎn)生的 Netlist 轉(zhuǎn)入 Allegro（layout 工作系統(tǒng)）。 4． 在 Allegro 中進行 PCB 的 layout。 5． 把在 Allegro 中產(chǎn)生的 back annotate（Logic）轉(zhuǎn)出（在實際 layout 時可能對原有的 Netlist 有改動過），並轉(zhuǎn)入 OrCAD Capture 裏進行回編。
上傳時間： 2022-04-28
上傳用戶：kingwide
目前對于對步進電機的控制存在精度和價格方面的矛盾。因為高精度的實時演算需要較高性能的DSP芯片，成本較高，因此現(xiàn)在的控制方法是采用大量的硬件電路。這種控制方法的精度不但較低，且成本較高。國內(nèi)為了省錢就大多數(shù)使用相對省資源的查表法，但是對于速度變化范圍很大的控制來說，在低速時會由于表本身的精度原因造成穩(wěn)定性變差，噪聲變大的問題。這僅僅是低速時的細(xì)分問題。轉(zhuǎn)速越低，對它控制時的細(xì)分就越嚴(yán)格。此外還有扭矩的問題，當(dāng)轉(zhuǎn)動過慢時，即使細(xì)分也無法達到應(yīng)有的扭矩，這都是控制時遇到的問題。簡單的說，目前普遍存在于步進電機控制中的問題就是低速運轉(zhuǎn)和低速啟動的問題。當(dāng)今是科學(xué)技術(shù)及儀器設(shè)備高度智能化飛速發(fā)展的信息社會，電子技術(shù)的過步，給現(xiàn)代工業(yè)帶來了質(zhì)的提升。現(xiàn)代電子領(lǐng)域中，PLC的應(yīng)用正在不斷的走向深入，這必將導(dǎo)致傳統(tǒng)控制的日益革新。PLC的控制具有高可靠性、高性價比。比如在機械手、液體混合罐、液壓、氣壓等方面都得到了廣泛的應(yīng)用。PLC在1業(yè)方面的應(yīng)用水平已逐步成為一個國家T業(yè)發(fā)展水平的標(biāo)志2-0利用PLC采用程序設(shè)計方法來對步進電機進行控制，具有線路相對簡單，結(jié)構(gòu)緊湊，價格低廉，而且可以通過控制按鈕實現(xiàn)對步進電機的正反轉(zhuǎn)和步進電郁轉(zhuǎn)速的控制，用途廣泛等優(yōu)點。
上傳時間： 2022-06-19
上傳用戶：bluedrops
原書推介：貝葉斯方法是一種常見的利用概率學(xué)知識去解決不確定性問題的數(shù)學(xué)方法，對于一個計算機專業(yè)的人士，應(yīng)當(dāng)熟悉其應(yīng)用在諸如機器翻譯，語音識別，垃圾郵件檢測等常見的計算機問題領(lǐng)域。在共計15章的篇幅中討論了怎樣解決十幾個現(xiàn)實生活中的實際問題。在這些問題的解決過程中，還潛移默化的幫助形成建模決策的方法論，建模誤差和數(shù)值誤差怎么取舍，怎樣為具體問題建立數(shù)學(xué)模型，如何抓住問題中的主要矛盾（模型中的關(guān)鍵參數(shù)），再一步一步的優(yōu)化或者驗證模型的有效性或者局限性。在這個意義上，是一本關(guān)于數(shù)學(xué)建模的成功樣本。個人觀感：這本書是講生成模型（貝葉斯模型）的，大家可能平時關(guān)注判別模型多一些，但是如果你知道領(lǐng)域中的一些知識，生成模型更有效，它需要的樣本更少，訓(xùn)練時間更短。書是好書，從python角度闡述了貝葉斯思維，探討了一些建模和計算方法，并且給出了一個很實用的python框架。 但是翻譯實在是爛，很多地方同一個段落里的相同概念都會翻譯成不同的中文詞匯，簡直令人發(fā)指！這書的英文原版 PDF 可以免費下載，需要一起對照著看才能看懂。
標(biāo)簽： 貝葉斯 統(tǒng)計建模 Python
上傳時間： 2022-06-30
上傳用戶：
北京眾志恒電機公司-直流,步進電機樣本
上傳時間： 2013-04-15
上傳用戶：eeworm
艾克斯步進馬達
標(biāo)簽： 步進馬達
上傳時間： 2013-06-08
上傳用戶：eeworm
數(shù)字電路解題技巧50法及題解300例
上傳時間： 2013-04-15
上傳用戶：eeworm
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
