搜索结果
找到约 2,030 项符合
x-y 的查询结果
人工智能/神经网络 用遗传算法求解函数最大值的示例程序。目标函数为y=10*cos(3*x)-4*x.
用遗传算法求解函数最大值的示例程序。目标函数为y=10*cos(3*x)-4*x.
CA认证 Cubic spline algorithm approximating function y=f(x) - ((-2)*x*(2*x+3))/(x*x+4*x+5) in interval [-2
Cubic spline algorithm approximating function y=f(x) - ((-2)*x*(2*x+3))/(x*x+4*x+5) in interval [-2 2]
教程 无限能量信号,信号x(n)与y(n)的互相关函数
无限能量信号,信号x(n)与y(n)的互相关函数
Java编程 Java3D显示空间x
Java3D显示空间x,y,z坐标轴,需要安装java3D jdk包!
matlab例程 暂时只支持jpeg2000支持的 cdf97 和spline53 可以这样来测试: x=imread( E:studyjpeg2000imageslena.tif ) % see the de
暂时只支持jpeg2000支持的 cdf97 和spline53
可以这样来测试:
x=imread( E:\study\jpeg2000\images\lena.tif )
% see the decomposition coefficients
y=wavelift(x, 1, spl53 ) using spline 5/3 wavelet
figure subplot(1,2,1) imshow(x) subplot(1,2,2) imshow(mat2gray(y))
% see the reconstruction precision
y ...
文件格式 * 本算法用最小二乘法依据指定的M个基函数及N个已知数据进行曲线拟和 * 输入: m--已知数据点的个数M * f--M维基函数向量 * n--已知数据点的个数N-1 * x--已知数
* 本算法用最小二乘法依据指定的M个基函数及N个已知数据进行曲线拟和
* 输入: m--已知数据点的个数M
* f--M维基函数向量
* 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
* a--无用
* 输出: 函数返回值为曲线拟和的均方误差
* a为用基函数进行曲线拟和的系数,
* ...
其他 数字信号处理的应用之一是从含有加性噪声的信号中去除噪声。现有被噪声污染的信号x[k]=s[k]+d[k],式中: 为原始信号d[k]为均匀分布的白噪声。 (1)分别产生50点的序列s[k]和白噪声序
数字信号处理的应用之一是从含有加性噪声的信号中去除噪声。现有被噪声污染的信号x[k]=s[k]+d[k],式中: 为原始信号d[k]为均匀分布的白噪声。
(1)分别产生50点的序列s[k]和白噪声序列d[k],将二者叠加生成x[k],并在同一张图上绘出x0[k],d[k]和x[k]的序列波形。
(2)均值滤波可以有效去除叠加在低频信号上的噪声。已知3点 ...
数学计算 对数回归方程 LogarithmRegress.cs 方程模型为 Y=a*LnX+b public override double[] buildFormula() 得到系数数组
对数回归方程 LogarithmRegress.cs
方程模型为 Y=a*LnX+b
public override double[] buildFormula()
得到系数数组,存放顺序与模型系数相反,即该数组中系数的值依次是b,a。
public override double forecast(double x)
预测函数,根据模型得到预测结果。
public override double computeR2()
计算相关系数(决定系数), ...
文章/文档 在命令窗输入如下内容就得到图形了: [t,x]=ode45( godhua ,[0,10],[0,0,0,1]) subplot(131) plot(t,x(:,4)) xlabel( t )
在命令窗输入如下内容就得到图形了:
[t,x]=ode45( godhua ,[0,10],[0,0,0,1])
subplot(131) plot(t,x(:,4)) xlabel( t ) ylabel( y )
subplot(132) plot(t,x(:,1)) xlabel( t ) ylabel( v )
subplot(133) plot(t,x(:,2)) xlabel( t ) ylabel( \theta )
数学计算 runs Kalman-Bucy filter over observations matrix Z for 1-step prediction onto matrix X (X can = Z)
runs Kalman-Bucy filter over observations matrix Z
for 1-step prediction onto matrix X (X can = Z)
with model order p
V = initial covariance of observation sequence noise
returns model parameter estimation sequence A,
sequence of predicted outcomes y_pred
and error matrix Ey (reshaped) for y and Ea ...