A FIRST COURSE IN FINITE ELEMENT METHOD

主要介绍了解决vue axios跨域 Request Method: OPTIONS问题(预检请求)，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

求解微分方程的数值解法，adomain分解方法，adomain写的

非线性优化：Levenberg-Marquardt方法 列文伯格马夸尔特算法 Matlab版本，附带运行例子

总共有4个，都能运行，是逐渐加深内容的，希望能帮到大家。 1.% Ex and Hy field components propagating in the z direction. 2.% Ex and Hy field components propagating in the z direction with % absorbing boundary conditions (ABC) 3.% Simulation of a pulse hitting a dielectric medium 4.% Simulation of a sinusoidal wave hitting a dielectric medium

A new algorithm for self tuning of proportionalintegral- derivative (PID) controllers is proposed. A combined least-squares estimation and Newton–Raphson search technique is used to determine the ultimate gain and period of an unknown system for the purpose of automatic tuning of PID controllers based on Ziegler and Nichols (ZN) or refined Ziegler and Nichols (RZN) formulas. The proposed algorithm can be applied to systems with known time delay, as well as those with unknown dead time. Simulation studies are used to demonstrate the performance of this algorithm. The performance of this PID self tuner is also compared with a popular commercial auto-tuner for simulated systems and a laboratory-scale real plant.

Mann-Kendall Tau非参数函数计算表示等距数据的趋势强度和方向的系数。 虽然您不需要统计工具箱来计算 Tau，但您确实需要它来测试显着性。 此函数将计算Tau-a和Tau-b，重要性（以及各种支持统计数据），以及非参数斜率方法：Sens方法。 注意：仅在此功能中需要统计工具箱才能测试其重要性。 否则，除了Matlab本身，就没有其他要求。 增强功能包括：现在支持最近提交的季节性 Kendall 趋势测试 (sktt.m)。 将允许在同一时间索引中进行多个观察。 为Sens斜率添加了置信区间。 也可以打开/关闭绘图。 第二个增强功能：测试趋势异常，修复并通知用户。 参考在函数的注释中。 鉴于当今计算机的速度，在某些计算中避免使用Matlab中的循环并不像过去那样重要。 但是，编写没有循环的函数是一种优雅的形式，我认为有些人可能会赞赏。 因此，这个函数是在没有任何循环的情

DeeperForensics-1.0：用于真实世界人脸伪造检测的大规模数据集 该存储库提供以下论文的数据集和代码： DeeperForensics-1.0：用于真实世界人脸伪造检测的大规模数据集，，，在CVPR 2020中。 | | 摘要：我们介绍了我们正在努力建立用于人脸伪造检测的大型基准。 该基准测试的第一个版本DeeperForensics-1.0代表了迄今为止最大的人脸伪造检测数据集，共有60,000个视频，共1760万帧，是现有同类数据集的10倍。 应用了广泛的现实世界扰动以获得更大规模和更高多样性的更具挑战性的基准。 我们会仔细收集DeeperForensics-1.0中的所有源视频，并通过新提议的端到端人脸交换框架来生成假视频。 经用户研究验证，生成的视频质量优于现有数据集中的视频。 该基准测试具有一个隐藏的测试集，其中包含在人类评估中获得较高欺骗性分数的操纵视频。

85375535The_Finite_Element_Method_Using_MATLAB_Second_Edition.rar

延迟向量方差 (DVV) 方法表征一个时间序列基于其在相空间中的可预测性的标准化方法，通过所谓的“DVV 情节”。 就其本身而言，这些 DVV-plots 可以是用于时间序列聚类，如 Gautama 等人所示， 2003a 用于 EEG 信号。 在信号非线性测试的背景下， 它可以与“替代数据”方法结合使用（例如， Schreiber 和 Schmitz，2000），即通过表征“原始” 时间序列和一些“替代品”，以及统计测试它们是否不同（Gautama 等，2003b）。