离散时间平稳随机过程讲义，包括信号分析基本类型，经典信号处理，随机信号处理基础等内容

matlab潮流计算含代码密集颗粒传热 该代码使用基于离散元素方法（DEM）的模型来计算在细小颗粒状流中通过类似沙子的小颗粒组的热传递。 它是为粒子热交换器和固体粒子太阳能接收器开发的，但对于类似主题的研究也可能有用，例如石灰窑，粉末床的激光烧结或冶金Craft.io。 其他研究人员已经为自己的研究开发了类似的代码，但是这些代码尚未公开。 可以在可用的DEM代码（例如开源代码LIGGGHTS或其他商业代码）内完成某些热传递建模，但是这些DEM代码不包括几种关键的热传递模式。 DPHT是用于大组球形小颗粒的热传递代码，球形小颗粒呈致密颗粒状流动或呈静态。 首先使用DEM模拟粒子碰撞机理，然后随着时间的推移将粒子xyz位置写入文本文件。 完成DEM模拟后，此DPHT代码将读取每个xyz位置文件，并计算粒子之间以及粒子与壁之间的热传递。 这可以被认为是与DEM的单向耦合。 DPHT是为在聚光太阳能领域中的固体颗粒太阳能接收器和热交换器建模而开发的，但是它适用于具有堆积或移动颗粒床的许多情况。 传热计算是基于先前发表的研究工作，论文对此进行了解释： 聚光太阳能领域高温粒子流建模的研究进展，埃文

传统离散量信号接口电路器件由于数量多、重量大、占用板面积大、可靠性低，已无法满足航空机载系统离散量采集过程的小型化、集成化、高可靠性的要求。设计了一种自主离散量输入接口芯片，核心电路中采用端口有源泄放、SCR结构端口防护电路和错误隔离等关键设计增强数据可信度。芯片重量和体积缩小到传统电路的5‰，功耗仅为传统电路的7‰，有效解决了航空机载系统离散量采集过程的小型化、集成化、可靠性的问题。

使用聚类算法对连续状态空间进行自适应离散化,得到了基于K-均值聚类的强化学习方法.该方法的学习过程分为两部分:对连续状态空间进行自适应离散化的状态空间学习,使用K-均值聚类算法;寻找最优策略的策略学习,使用替代合适迹Sarsa学习算法.对连续状态的强化学习基准问题进行仿真实验,结果表明该方法能实现对连续状态空间的自适应离散化,并最终学习到最优策略.与基于CMAC 网络的强化学习方法进行比较,结果表明该方法具有节省存储空间和缩短计算时间的优点.

为了计算价格，定价者构建了一个多项式树，如 Amin 1993 中所述。 有关该方法的说明，请参阅； 1. zip 中的 HTML 说明2. Kaushik I. Amin，“离散时间的跳跃扩散期权估值”，《金融杂志》，第 48 期，第 2 期。 5（1993 年 12 月）：1833-1863。

文档使用的机型是5000系列的讲解，主要是教你流程怎么做，具体接线不同机械可能稍有不同，要看你正在用的机型手册，这个手册在insight软件安装目录下都有

这份资料里面含有大量的离散数学习题，并且是采用了分类强化训练方式，每道习题后面有相应的详细答案标注。有利于同学们复习。

含高等教育自考考试02324离散数学科目的历年真题和答案，还有全套的相关复习资料

[Ai,Bi,Ci,Di] = deti(u,y) 函数 deti(u,y) 仅使用输入/输出测量来识别离散时间状态空间系统（计算矩阵 A、B、C、D 和系统的阶数）。 该功能不需要大量的输入/输出测量来产生良好和稳定的结果。 大约 45-50 次测量通常就足够了。 尽管如此，请确保您提供足够数量的输入/输出测量。 输入参数 u：我们要识别的系统的输入测量值。 输入参数 y：我们要识别的系统的输出测量值。 该函数返回识别出的矩阵 Ai,Bi,Ci,Di、系统的秩以及识别出的与原始系统之间的拟合优度。 警告：该函数产生顺序（等级）不足的系统的可能性很小。 根据输入/输出测量的数量，该函数将产生更好的估计。 请注意，此函数仅适用于（线性）离散时间状态空间系统，在我们的输入/输出测量中没有干扰。 参考： [1] Moonen M., DeMoor B., Vandenberghe

离散下的四次实验，关于树和图那部分的，内含每次实验的要求和对应的源码。