代码搜索:测温精度

找到约 2,905 项符合「测温精度」的源代码

代码结果 2,905
www.eeworm.com/read/433836/7907111

m diffparam2.m

function r=DiffParam2(F,x0,h,N) %非线性方程组:f %初始解:x0 %数值微分增量步大小:h %雅可比迭代参量:l %解的精度:eps %求得的一组解:r %迭代步数:n x0 = transpose(x0); n = length(x0); ht = 1/N; Fx0 = subs(F,findsym(F),x0); J = zero
www.eeworm.com/read/297843/7992831

m zuisu.m

%最速下降法极小化函数的通用子函数zuisu.m %输入变量为初始的迭代点,输出变量为极小值点 function x0=zuisu(x) %判断梯度范数是否满足计算精度的要求.是,标志变量设为1,输出结果;否,标志变量设为0 if sum(abs(tidu(x)).^2)
www.eeworm.com/read/297843/7992834

m gonge.m

%共轭剃度法极小化函数的通用子函数,gonge.m %输入变量为初始的迭代点,输出变量为极小值点 function x0=gonge(x) %判断梯度范数是否满足计算精度的要求.是,标志变量设为1,输出结果;否,标志变量设为0,继续迭代 if sum(abs(tidu(x)).^2)
www.eeworm.com/read/297843/7992853

m ninewton.m

%拟牛顿法极小化函数的通用子函数,gonge.m %输入变量为初始的迭代点,输出变量为极小值点 function x0=ninewton(x) %判断梯度范数是否满足计算精度的要求.是,标志变量设为1,输出结果;否,标志变量设为0,继续迭代 if sum(abs(tidu(x)).^2)
www.eeworm.com/read/196917/8042255

m main.m

%标准遗传算法 %优化函数为f=-(x-1)^2+4,其中,0
www.eeworm.com/read/297042/8057715

m main.m

%标准遗传算法 %优化函数为f=-(x-1)^2+4,其中,0
www.eeworm.com/read/296338/8109460

m fem_onedimpbg.m

function FEM_onedimpbg % 比较两种离散方式对精度,计算量的影响。方法1,先代入bloch条件,后离散;方法2,先离散,后代入bloch条件 %u 特向量,bloch函数的周期部分,第一列表示波数,第二列表示能带,第三列表示特征向量 clear clc ro=[1;1]; E=[1;1]; d=1; %参数 L=2*d; N=20;
www.eeworm.com/read/296018/8128572

m gau_seid.m

%Gauss_seidel迭代法:Gau_Seid.m %x为迭代解,sp为迭代次数,a为系数矩阵,b为常数矩阵,ep为误差精度,V1为初始变量 function [V,sp]=Gau_Seid(a,b,ep,V1) %系数矩阵维数 n=length(a); %误差 e=ones(n,1); %迭代的解向量 V2=zeros(n,1); %迭代的次数 k=0; %电路常量与初
www.eeworm.com/read/296012/8128639

m gau_seid.m

%Gauss_seidel迭代法:Gau_Seid.m %x为迭代解,sp为迭代次数,a为系数矩阵,b为常数矩阵,ep为误差精度,V1为初始变量 function [V,sp]=Gau_Seid(a,b,ep,V1) %系数矩阵维数 n=length(a); %误差 e=ones(n,1); %迭代的解向量 V2=zeros(n,1); %迭代的次数 k=0; %电路常量与初
www.eeworm.com/read/296007/8128942

m riddling.m

%产生一个N(0,1)正态分布随机数 %采用筛选法,精度较高 %其他方法可参阅《现代应用数学手册--概率统计与随机过程卷》清华大学出版社马振华主编 %function y=riddling() function y=riddling() sign=0; while 1 x=rand(1,2); v1=2*x(1)-1;v2=2*x(2)-1; s=v1^2