本人编写的QR分解的神经网络算法，该算法用QR分解神经网络的隐含层矩阵，可以作为学术上的比较和分析。适合各种benchmark问题，本人还加了自动产生分类向量和自动适应各种函数的例子
上传时间： 2016-09-18
上传用户：1079836864
解算高阶矩阵，可以求逆，求特征值，对矩阵进行特征值分解
上传时间： 2016-10-26
上传用户：坏天使kk
针对四元数矩阵正交特征矢量系求解困难的缺点, 本文提出一种获取四元数矩阵正交特征矢量集等效、便捷的方法, 其基本思路为: 首先, 构造四元数矩阵定义于复数域的导出阵, 并利用该导出阵特征矢量空间的一种特殊的等价空间间接获取 相应特征值所对应的特征矢量. 然后, 将复数矢量转换为四元数矢量, 按如此方式获取的对应所有特征值的非零特征矢量则构 成原始四元数矩阵的正交特征矢量系
上传时间： 2013-12-09
上传用户：xc216
//奇异值分解法求广义逆 //本函数返回值小于0表示在奇异值分解过程, //中迭代值超过了60次还未满足精度要求. //返回值大于0表示正常返回。 //a-长度为m*n的数组，返回时其对角线依次给出奇异值，其余元素为0 //m-矩阵的行数 //n-矩阵的列数 //aa-长度为n*m的数组，返回式存放A的广义逆 //eps-精度要求 //u-长度为m*m的数组，返回时存放奇异值分解的左奇异量U //v-长度为n*n的数组，返回时存放奇异值分解的左奇异量V //ka-整型变量，其值为max(n,m)+1 //调用函数：dluav()
上传时间： 2016-12-15
上传用户：康郎
这是Yousef Saad编写的矩阵运算的Fortran软件包（A basic tool-kit for sparse matrix computations (Version 2),包含常见的排序，预处理(ILU分解等)，Krylov子空间迭代法，以及有限差分等方法得到的算例等。有不少很实用的子程序（比如稀疏矩阵相加、相乘等等，可以学习专家的设计哟！）。极力向学习大型线性方程组数值解的人推荐（不足之处就是Fortran实现，本人觉得还是C语言好）。
标签： computations tool-kit Fortran Version
上传时间： 2014-02-10
上传用户：ruixue198909
全主元高斯约当消去法 2.LU分解法 3.追赶法 4.五对角线性方程组解法 5.线性方程组解的迭代改善 6.范德蒙方程组解法 7.托伯利兹方程组解法 8.奇异值分解 9.线性方程组的共轭梯度法 10.对称方程组的乔列斯基分解法 11.矩阵的QR分解 12.松弛迭代法
上传时间： 2014-11-22
上传用户：wff
运用双线性QR分解法求矩阵特征值及特征向量，并含有QR分解法子程序
上传时间： 2016-12-24
上传用户：sy_jiadeyi
编写具有如下函数原型的递归与非递归两种函数f，负责判断数组a的前n个元素是否从大到小完全有序了，是则返回true，否则返回false。并编制主函数对它们进行调用，以验证其正确性。 bool f(int a[], int n) 提示： （1）非递归函数中只需逐对地判断各a[i]与a[i+1]是否都已从大到小有序排列（i = 0，1，…，n-2）。 （2）递归函数中将问题分解处理为：若n=1（即只有1个元素时）则返回true而递归出口；n>1时，若最后一对元素不顺序则返回false，否则进行递归调用（传去实参a与 n-1，去判断前n-1个元素的顺序性），并返回递归调用的结果（与前n-1个元素的是否顺序性相同）。
上传时间： 2017-01-02
上传用户：清风冷雨
编写具有如下函数原型的递归与非递归两种函数equ，负责判断数组a与b的前n个元素值是否按下标对应完全相同，是则返回true，否则返回false。并编制主函数对它们进行调用，以验证其正确性。 bool equ(int a[], int b[], int n) 提示：递归函数中可按如下方式来分解并处理问题，先判断最后一个元素是否相同，不同则返false；相同则看n是否等于1，是则返回true，否则进行递归调用（传去实参a、b与 n-1，去判断前n-1个元素的相等性），并返回递归调用的结果（与前n-1个元素的是否相等性相同）。
上传时间： 2014-01-18
上传用户：love1314
关于矩阵运算的各种数值算法，包括实（复）矩阵求逆，对称正定矩阵与托伯利兹矩阵的求逆，线性方程组的常用解法，矩阵的各种分解方法，特征向量与特征值的求解等等。
上传时间： 2014-01-19
上传用户：ztj182002
