此代码基于 Ken Johnson 的“expm_”。 我将其扩展为使用 GPU 进行计算。 此外，它可以通过使用 Pade 近似一次计算多个矩阵。 矩阵应存储在多维数组的每一页中。 对于 CPU 计算，请安装 Yuval 的“mmx”以获得更快的矩阵计算，否则使用 for 循环。 在 GPU 下计算 10000 个 5x5 randn 矩阵时，此代码比使用 for-loop Matlab "expm" 快 400 倍。 它只需要 0.04s，而 Matlab "expm" 需要 20s。 未来计划：对于Hermitian（或者可能是anti-Hermitian）矩阵，用GPU和户主变换和QR分解一次计算多个矩阵的特征向量和特征值，然后用它们来计算expm，应该更快，这就是Matlab expm 当它是一个厄密矩阵时会这样做。 由于我不熟悉这两种方法，因此这将花费很长时间，并且只有在

umap：均匀流形逼近和投影

喻文健-数值分析与算法-第五单元作业.pdf

BP神经网络是一种多层前馈神经网络,该网络的主要特点是信号前向传递, 误差反向传播。在前向传递中,输入信号从输入层经隐含层逐层处理, 直至输出层。每一层的神经元状态只影响下一层神经元状态。如果输出层得不到期望输出, 则转入反向传播,根据预测误差调整网络权值和阈值,从而使B P神经网络预测输出不断逼近期望输出。

神经网络BP算法，这里面是一个比较简单的函数逼近例子，供初学者研究学习

很详细的数值逼近报告，里面有三道不同类型的题，大家可以参考下。

使用软件为MATLAB2016a，有关用三层BP网络去逼近一个正弦函数的小程序，去不同的隐层节点数进行实验对比，内含实验结果，

三菱FX系列逐点逼近四象限圆弧插补学习资料（其中包含有直线运动坐标图，圆运动坐标图和人机应用），供大家参考！

十进制小数转二进制matlab代码SAR ADC的数字校准 逐次逼近寄存器（SAR）ADC数字校准 概述 代码 该代码部分包含： 可执行文件（），用于自动测试ADC模型并输出其动态性能以及平均能耗。 Liu等人提出的一种流行的SAR ADC架构的行为模型文件（）。 [1]。 快速傅立叶变换（FFT）文件（），以测试SAR ADC行为模型的动态性能。 进行FFT所需的Hodiewindow函数文件（）。 函数文件Err_compare（）模拟在SAR过程中发生的决策错误。 Whove新上载的[1]中的常规SAR ADC体系结构的行为模型文件（）。 [3]中提出的冗余算法的行为模型文件（）。 完整加法器功能文件（）实现完整加法器。 SAR算法的行为模型文件（）Shen等。 在[4]中提出。 十进制到二进制函数文件（）来实现十进制到二进制的转换。 与[4]相同的SAR算法的行为模型文件（），但更改为18位SAR ADC。 理论 费用重新分配 参见PDF文件（）。 它很好地解释了[1]中提出的ADC体系结构的“电荷重新分配理论”。 对于[2]中的拆分结构，请参见下图： 多余的 冗余是一种减轻S

matlab精度检验代码密度演化-AWGN 子文件夹中的main.m包含GA的原型互逆信道近似（RCA），例如多边缘类型（MET）LDPC码的密度演化迭代解码阈值的近似。 使用S.-Y.Chung GD Forney，TJ Richardson，R.Urbanke文章中的RCA构造代码关于香农极限0.0045 dB以内的低密度奇偶校验码的设计，IEEE通信字母5（2），58- RCA方法在S.-Y.Chung中有详细介绍，第60页，2001年。 麻省理工学院麻省理工学院的论文，2000年。在Matlab和GNU Octave 5.1的旧版本（2011年）和新版本（2018年）上进行了测试（比Matlab慢几倍）。 RCA-GA是从运行时间和准确性快速进行DE近似的最佳方法之一。 Protograph RCA不需要生成Protograph，可使用带环围/ EMD（）的模拟退火或其他QC扩展方法直接将其抬高。 profgen.m-基于AWGN信道下LDPC码度分布优化的基于密度演化的GA近似。 取自亚历山大·德·贝纳斯特（Alexandre de Baynast）。 由于lsqlin实施工