搜索结果
找到约 628 项符合
Y-combinator 的查询结果
文件格式 * 用拉格朗日插值法依据N个已知数据点即使函数值 * 输入: n--已知数据点的个数N-1 * x--已知数据点第一坐标的N维列向量 * y--已知数据点第二坐标的N维列向量 * xx
* 用拉格朗日插值法依据N个已知数据点即使函数值
* 输入: n--已知数据点的个数N-1
* x--已知数据点第一坐标的N维列向量
* y--已知数据点第二坐标的N维列向量
* xx-插值点第一坐标
* 输出: 函数返回值所求插值点的第二坐标
文件格式 * 用埃特金插值法依据N个已知数据点计算函数值 * 输入: n--已知数据点的个数N-1 * x--已知数据点第一坐标的N维列向量 * y--已知数据点第二坐标的N维列向量 * xx-
* 用埃特金插值法依据N个已知数据点计算函数值
* 输入: n--已知数据点的个数N-1
* x--已知数据点第一坐标的N维列向量
* y--已知数据点第二坐标的N维列向量
* xx-插值点第一坐标
* eps--求解精度
* 输出: 函数返回值所求插值点的第二坐标 ...
文件格式 * 用牛顿插值法依据N个已知数据点即使函数值 * 输入: n--已知数据点的个数N-1 * x--已知数据点第一坐标的N维列向量 * y--已知数据点第二坐标的N维列向量 * xx-插
* 用牛顿插值法依据N个已知数据点即使函数值
* 输入: n--已知数据点的个数N-1
* x--已知数据点第一坐标的N维列向量
* y--已知数据点第二坐标的N维列向量
* xx-插值点第一坐标
* 输出: 函数返回值所求插值点的第二坐标
数学计算 这是一个计算曲线拟合的程序,用户在记事本中输入x,y值,然后程序会根据输入的数值拟合出相近的曲线.
这是一个计算曲线拟合的程序,用户在记事本中输入x,y值,然后程序会根据输入的数值拟合出相近的曲线.
matlab例程 PIECEWISE_EVAL: evaluates a piecewise function of x usage: y = PIECEWISE_EVAL(x,breakpoints,funs)
PIECEWISE_EVAL: evaluates a piecewise function of x
usage: y = PIECEWISE_EVAL(x,breakpoints,funs)
arguments (input)
x - vector or array of points to evaluate though the function
breakpoints - list of n breakpoints, -inf and +inf are implicitly
matlab例程 LINEINTRGAL Line Integral in a 2D Vector Field. LINEINTRGAL(X,Y,U,V,C) computes the line integral a
LINEINTRGAL Line Integral in a 2D Vector Field.
LINEINTRGAL(X,Y,U,V,C) computes the line integral along the lines given in cell array C.
X and Y define the coordinates of a rectangular grid over which
U and V are defined. X and Y must be monotonic and 2D plaid as
% produced by MESHGRID. X, Y, U, an ...
并行计算 电动平台, 控制X,Y,Z轴移动,能计数
电动平台, 控制X,Y,Z轴移动,能计数
数学计算 /* * EULER S ALGORITHM 5.1 * * TO APPROXIMATE THE SOLUTION OF THE INITIAL VALUE PROBLEM: * Y = F
/*
* EULER S ALGORITHM 5.1
*
* TO APPROXIMATE THE SOLUTION OF THE INITIAL VALUE PROBLEM:
* Y = F(T,Y), A<=T<=B, Y(A) = ALPHA,
* AT N+1 EQUALLY SPACED POINTS IN THE INTERVAL [A,B].
*
* INPUT: ENDPOINTS A,B INITIAL CONDITION ALPHA INTEGER N.
*
* OUTPUT: APPROXIMATION W TO Y AT THE (N+1) VALUES OF T.
* ...
人工智能/神经网络 一个基于网格和最近邻居的聚类算法 Similarity(x, y) = size ( SKNN(x) SKNN(y) )
一个基于网格和最近邻居的聚类算法
Similarity(x, y) = size ( SKNN(x) SKNN(y) ),while Link(x, y)=1
其他 用BP网络模拟y=sinx+1
用BP网络模拟y=sinx+1