C语言多重递归在自相似图形中的应用.pdf

双重分形的matlab代码去趋势波动分析 DFA算法的简单python实现。 它基于这两篇文章： Hardstone，R。等。 去趋势波动分析：关于神经元振荡的无标度视图。 正面。 生理学。 2012年11月3日，1-13日。 Ihlen，E. a F. Matlab中的多分形去趋势波动分析简介。 正面。 生理学。 3JUN，1-18（2012年）。 您可以使用generate.py幂定律数据生成器或下面的代码对其进行测试： from dfa import dfa from generate import power_law_noise true_exp = 0.8 x = power_law_noise ( 2 ** 12 , true_exp ) scales , fluct , alpha = dfa ( x ) print ( "True scaling exponent: {}" . format ( true_exp )) print ( "Estimated DFA exponent: {}" . format ( alpha )) 要求 麻木 matplotlib

能够将场景中的几何体按默认的材质通道，将多重材质转换为单个材质球，几何体表现不变。支持3dsmax2014到2018版本，用的时候，先运行一遍脚本，在自定义菜单里，找到HowTo策略，把按钮拖出来即可，也可以自己把里面的核心代码单独放出来运行

在随机过程、混沌理论和时间序列分析中，去趋势波动分析 (DFA) 是一种通过计算 alpha（或 Hurst 指数 H）来确定信号的统计自亲和性的方法。它对于分析出现的时间序列很有用是长期依赖的过程。 然而，传统的 DFA 只缩放二阶统计矩并假设过程是正态分布的。 当前 zip 文件夹中的 MFDFA1 和 MFDFA2 计算所有 q 阶统计矩的 H(q) 以及局部 Hurst 指数 H(t)。 此外，H(q) 和 H(t) 还用于通过 H(q) 的勒让德变换或直接从 H(t) 的直方图计算多重分形谱 D(h)。 如果这些代码用于科学出版物，请引用 zip 文件夹中包含的 Ihlen (2012)。 小波和EMD趋势化的MFDFA代码的修改在菱www.ntnu.edu/inm/geri/software

行业-电子政务-具多重电极的微机电装置及其制作方法.zip

代码清晰的说明使用pytorch实现多重分类， 有十个分类标签，用到的思路就是贝叶斯朴素分类器的思想，多分类问题参照BCELoss的函数表达式可变成loss(yhat, y) = -y*log(yhat)，Torch.nn.EntropyLoss()交叉熵损失：包含softmax，log处理loss计算和非线性激活

有代码，有详细文档，有毕业论文 非常好的一个毕业设计

行业分类-设备装置-一种处理多边形多重包含关系的边界一笔画方法.zip

java开发

多重信号分类算法的步骤 一、由阵列的接收数据得到数据协方差矩阵　，即 二、对　进行特征分解； 三、由　的特征值进行信号源数判断； 四、确定信号子空间　与噪声子空间　；