代码搜索：线性分析
找到约 10,000 项符合「线性分析」的源代码
代码结果 10,000
www.eeworm.com/read/486797/6529417
m sor.m
function [x,n]=SOR(A,b,x0,w,M,eps)
%采用超松弛迭代法求线性方程组Ax=b的解
%线性方程组的系数矩阵：A
%线性方程组中的常数向量：b
%迭代初始向量：x0
%松弛因子：w
%解的精度控制：eps
%迭代步数控制：M
%线性方程组的解：x
%求出所需精度的解实际的迭代步数：n
if nargin==4
eps= 1.0e-6;
www.eeworm.com/read/476733/6748880
m sor.m
function [x,n]=SOR(A,b,x0,w,M,eps)
%采用超松弛迭代法求线性方程组Ax=b的解
%线性方程组的系数矩阵：A
%线性方程组中的常数向量：b
%迭代初始向量：x0
%松弛因子：w
%解的精度控制：eps
%迭代步数控制：M
%线性方程组的解：x
%求出所需精度的解实际的迭代步数：n
if nargin==4
eps= 1.0e-6;
www.eeworm.com/read/405565/11460410
m sor.m
function [x,n]=SOR(A,b,x0,w,M,eps)
%采用超松弛迭代法求线性方程组Ax=b的解
%线性方程组的系数矩阵：A
%线性方程组中的常数向量：b
%迭代初始向量：x0
%松弛因子：w
%解的精度控制：eps
%迭代步数控制：M
%线性方程组的解：x
%求出所需精度的解实际的迭代步数：n
if nargin==4
eps= 1.0e-6;
www.eeworm.com/read/110170/15540879
txt readme.txt
本文件夹中的程序是用ENO或WENO方法求解守恒律问题
包括一维和二维线性方程、Burgers方程、Euler方程
enolinear.for 是用ENO（1-6阶）求解一维线性方程u_y+u_x=0;
wenolinear.for 是用WENO（5阶）求解一维线性方程u_y+u_x=0;
weno-2d.for 是用WENO（5阶）求解二维线性方程u_t+u_x+
www.eeworm.com/read/348911/10860078
c g711.c
// ITU-g711程序源码
// 主要包括：
// 13比特线性码的U律编码解码。
// 13比特线性码的U律编码解码。
// U律和A律8位非线性吗之间的相互转换。
#define SIGN_BIT (0x80) /* A-law 符号位 */
#define QUANT_MASK (0xf) /* 段内量化值域 */
#define NSEGS (8)
www.eeworm.com/read/143520/12868566
m exm041022_2.m
%exm041022_2.m 利用伪线性和fminsearch混合法进行非线性参数估计
k_noise=0.3; %控制噪声水平
[x,y,STDY]=xydata(k_noise); %运行仿真数据产生程序，产生数据
a0=[1 2]'; %非线性参数的初试猜测
options=optimset('fminsearch');%这步在MATLAB6.0版中是必须的
www.eeworm.com/read/329399/12956036
txt bp.txt
%用bp神经网络对sin(x)拟合,隐含层采用sigmoid函数，输出层采用线性函数,
function ann()
g=0.06; %学习速率
e=0.01; %误差评价值
p=5; %隐含层神经元数
m1=0.9; %线性函数的系数
m2=-1.5; %线性函数的截距
x=(0:pi/100:2*pi); %产生输入样本
a1=z
www.eeworm.com/read/136685/13366620
m exm041022_2.m
%exm041022_2.m 利用伪线性和fminsearch混合法进行非线性参数估计
k_noise=0.3; %控制噪声水平
[x,y,STDY]=xydata(k_noise); %运行仿真数据产生程序，产生数据
a0=[1 2]'; %非线性参数的初试猜测
options=optimset('fminsearch');%这步在MATLAB6.0版中是必须的
www.eeworm.com/read/319335/13453825
m exm041022_2.m
%exm041022_2.m 利用伪线性和fminsearch混合法进行非线性参数估计
k_noise=0.3; %控制噪声水平
[x,y,STDY]=xydata(k_noise); %运行仿真数据产生程序，产生数据
a0=[1 2]'; %非线性参数的初试猜测
options=optimset('fminsearch');%这步在MATLAB6.0版中是必须的
www.eeworm.com/read/339239/12247950
m exm041022_2.m
%exm041022_2.m 利用伪线性和fminsearch混合法进行非线性参数估计
k_noise=0.3; %控制噪声水平
[x,y,STDY]=xydata(k_noise); %运行仿真数据产生程序，产生数据
a0=[1 2]'; %非线性参数的初试猜测
options=optimset('fminsearch');%这步在MATLAB6.0版中是必须的