代码搜索:精度可调

找到约 3,652 项符合「精度可调」的源代码

代码结果 3,652
www.eeworm.com/read/395206/8190306

m richason.m

function [x,n]=richason(A,b,x0,eps,M) %Richardson法求解线性方程组 Ax=b %方程组系数矩阵:A %方程组之常数向量:b %迭代初始向量:X0 %e解的精度控制:eps %迭代步数控制:M %返回值线性方程组的解:x %返回值迭代步数:n if(nargin == 3) eps = 1.0e-6; M =
www.eeworm.com/read/393842/8259955

m hom_nonliear.m

%% N 为积分部数,h 为积分步长,其值视计算精度而定 %% x0 为初始值,可任意给定 %% myfun(x)为非线性方程组表达式(列向量), %% detamyfun(x)为雅可比矩阵 N=100; h=1/N; x0=[rand(1) rand(1) rand(1) rand(1)]'; x=x0; %format long f=myfun(x); b=-h*f; f
www.eeworm.com/read/293581/8285817

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/171437/9755374

m pos2.m

%R对两站定位精度的影响 clear;clc; M=10; %被测点数 N=100; %对每点的测量次数 x1=0,y1=0; %第一站坐标 x2=1000,y2=0; %第二站坐标 delta=0.01; xt=500*ones(1,M); yt=500*(1:M); theta1=atan((xt-x1)./(yt-y1)); theta2=atan((xt
www.eeworm.com/read/366858/9795765

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
www.eeworm.com/read/415911/11048876

m jacobi.m

%function [x,k,flag,er]=Jacobi(A,b,delta,max1) %Jacobi迭代法 %A为方程组的系数矩阵 %b为方程组的右端项 %delta为精度要求,缺省值为1e-5 %max1为最大迭代次数,缺省值为100 %x为方程组的解 %k为迭代次数 %flag为指标变量 flag='OK'表示迭代收敛到指标要求 % flag
www.eeworm.com/read/267541/11175187

txt problem.txt

2002.7.15 ac_simple3.c是根据witten和neal的文章中所给算法(不包括模型建构)进行算术编码的,对witten和neal的例子进行编码所的结果为0011101110(0.233984375),似乎不是正确的答案,不知是程序的错误还是算法存在精度问题? 另:witten和neal的算法似乎并没有给出elias编码保持性问题的解决方法。 ac_simple2
www.eeworm.com/read/249227/12515932

txt problem.txt

2002.7.15 ac_simple3.c是根据witten和neal的文章中所给算法(不包括模型建构)进行算术编码的,对witten和neal的例子进行编码所的结果为0011101110(0.233984375),似乎不是正确的答案,不知是程序的错误还是算法存在精度问题? 另:witten和neal的算法似乎并没有给出elias编码保持性问题的解决方法。 ac_simple2
www.eeworm.com/read/238424/13887905

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
www.eeworm.com/read/203618/15354313

m main.m

%标准遗传算法 %优化函数为f=-(x-1)^2+4,其中,0