import matplotlib.pyplot as plt from tensorflow import keras import tensorflow as tf import matplotlib as mpl import pandas as pd import numpy as np import sklearn import time import sys import os # 加载数据 from sklearn.datasets import fetch_california_housing housing = fetch_california_housing() print

1. 人工神经网络 1.1 神经网络结构 人工神经网络（简称神经网络）是模拟人类大脑神经元构造的一个数学计算模型。 一个神经网络的搭建，需要满足三个条件。 输入和输出 权重（w）和阈值（b） 多层感知器的结构 1.2 神经网络运作过程 其中，最困难的部分就是确定权重（w）和阈值（b）。必需有一种方法，可以找出答案。 这种方法就是试错法。其他参数都不变，w（或b）的微小变动，记作Δw（或Δb），然后观察输出有什么变化。不断重复这个过程，直至得到对应最精确输出的那组w和b，就是我们要的值。这个过程称为模型的训练。 因此，神经网络的运作过程如下。 确定输入和输出 找到一种或多种算法，可以从输入得到

美国大学流体经典教材perfect gas. 强烈推荐的一本书!!!

Network Flows – Theory, Algorithms, And Applications

Android Kotlin Flow综合应用

Git工具，命令行，GitFlow工作流，技能使用培训PPT，适用于公司讲师

pySTEPS-用于短期整体预测系统的Python框架 docs 地位 包裹 社区 什么是pysteps？ Pysteps是一个开源的社区驱动的Python库，用于概率降水临近预报（即短期总体预报系统）。 pysteps的目的是满足两个不同的需求。 首先是为感兴趣的研究人员提供一种模块化的，有据可查的框架，以研究新的方法进行降水的临近预报和随机时空模拟。 第二个目标是为从天气预报员到水文学家的从业人员提供一个高度可配置且易于访问的平台。 pysteps库支持标准的输入/输出文件格式，并实现了几种光流方法以及先进的随机生成器来生成整体临近广播。 此外，它包括用于可视化和后期处理临近预报的工具，以及用于确定性，概率性和邻域预测验证的方法。 运行您的第一个即时广播 使用pysteps来计算和绘制此交互式笔记本在Google Colab中即时播报的推断。 保持联系 您可以在pys

periodic flow heat---fluent--periodic flow heat---

包含16个ppt， 介绍了网格与边界条件、初始条件和物理性质，以及多种物理模型等等。还包括铸造工艺案例分析。

FLOW-3D原版手册，找了很久都没找到，在此分享给大家，难得！