代码搜索：模型量化
找到约 6,455 项符合「模型量化」的源代码
代码结果 6,455
www.eeworm.com/read/356491/10225602
m curvefit0.m
function curvefit0
%非线性曲线拟合
%x,y应是原始数据，下面的数据仅是为了说明问题而自设的示例数据。
%f的形式应由具体的模型推导得到，要符合实际情况，不可牵强，否则拟合效果不好！
%x0的选择也很重要，应和理论值比较接近，否则也可能拟合效果不好！
%p是根据数据和拟合的函数形式而得到的参数值。
%By：Ji Lin
%Email: linji@live.c ...
www.eeworm.com/read/162016/10345191
txt 候捷2001年大陆出版图书最新计划！先睹为快.txt
作者：helloboy
email: helloboy@sy163.net
日期：7/7/2001 10:28:02 AM
如果您曾读过《深入浅出MFC》
或是《深度探索C++对象模型》，那么您对侯捷先生就不会很陌生。 他－－这个来自台湾的译作家，给很多奔走在求知路上的读者带去了福音。如果您也希望通过他的文字来探寻软件技术之路，那么请您与我们共
同关注他在2001年的出书 ...
www.eeworm.com/read/160666/10510173
m ct3dart.m
%--CT3DART，对三维温度场模型的ART重建算法
%--p1为投影值，p为对p1重排后得到的矩阵
%--F(:,n)为每层的二维重建矩阵，V为重建的三维矩阵
[p1,K,S]=CTSimpson3D(4,26);
[W,N,I,J]=ctw(4,26,26);
for n=1:N %对投影值重排
P=p1(:,:,n);
p(n,:)=P(1:I);
end
www.eeworm.com/read/278011/10585464
txt 转－关于多线程.txt
作者：lovefan
email: lovefan@cmmail.com
日期：8/1/2001 4:07:09 PM
枫叶国游子 2001-07-04 16:32:33
我这里可以大概给你介绍一下，但对于每一种编程模型要看具体的示例是什么，而且我不可能给你罗列所有的代码，请谅解。
其实我们编程只要尽量站到比较高的层次，很多道理其实你会发现你已经懂了。
就多线程来说，我们开始 ...
www.eeworm.com/read/277698/10611742
m concrete_trilinear.m
function [kk2,x2,f2,pd,ucom,up,fp,un,fn]=concrete_trilinear(pd,per,nt,m,eta,kk1,ke,kc,ky,uc,uy,dt,xg,x1,x2,f1,ucom,up,fp,un,fn)
%退化三线型恢复力模型，适用于混凝土结构非线性地震分析；
%钢混开裂前后分别为ke、kc；钢混屈服后分别为ky；
kk2=kk1;
f
www.eeworm.com/read/421782/10699222
m kalman.m
% kalman filtering
% 用一个线性随机微分方程来描述离散控制过程系统：X(k)=A X(k-1)+B U(k)+W(k)
% 系统的测量值：Z(k)=H X(k)+V(k)
% X(k)是k时刻的系统状态，U(k)是k时刻对系统的控制量。A和B是系统参数，对于多模型系统，他们为矩阵。
% Z(k)是k时刻的测量值，H 是测量系统的参数，对于多测量系统，H为矩阵。
%
www.eeworm.com/read/271686/10984837
txt 转－关于多线程.txt
作者：lovefan
email: lovefan@cmmail.com
日期：8/1/2001 4:07:09 PM
枫叶国游子 2001-07-04 16:32:33
我这里可以大概给你介绍一下，但对于每一种编程模型要看具体的示例是什么，而且我不可能给你罗列所有的代码，请谅解。
其实我们编程只要尽量站到比较高的层次，很多道理其实你会发现你已经懂了。
就多线程来说，我们开始 ...
www.eeworm.com/read/210055/6962625
m ekfyognyudaohang.m
% 扩展卡尔曼滤波算法程序
% ym和Pm分别为函数EKF求得的最优滤波值和滤波误差方差阵
function [ym, Pm] = EKF(P, y, Rm, Rs, Z, yubao_y, deta)
% Qk: 系统过程噪声方差阵
% 因为Qk的特殊性，在卡尔曼滤波的时候得适当加大
% J2和全模型加速度相差1e-6km/s^2，即系统误差为1e-6km/s^2
% Qk =
www.eeworm.com/read/467806/7001633
m chapter8_6.m
%生成状态空间模型
[a,b,c,d]=linmod2('lss_1');
s1=ss(a,b,c,d);
q1=[1000,0,0;0,1,0;0,0,1];r1=1;
K=lqr(a,b,q1,r1);
%设计卡尔曼滤波器
q2=1;
r2=1;
[kest,L,P]=kalman(s1,q2,r2);
%LQG校正器
[af,bf,cf,df]=reg(a,b,c,d,K
www.eeworm.com/read/284778/7074156
m chapter8_6.m
%生成状态空间模型
[a,b,c,d]=linmod2('lss_1');
s1=ss(a,b,c,d);
q1=[1000,0,0;0,1,0;0,0,1];r1=1;
K=lqr(a,b,q1,r1);
%设计卡尔曼滤波器
q2=1;
r2=1;
[kest,L,P]=kalman(s1,q2,r2);
%LQG校正器
[af,bf,cf,df]=reg(a,b,c,d,K