LQR文件

Zurcher.jl 说明文件： GitHub动作： 这是我的使用Rust（1987）之后的公共汽车发动机更换模型的教学指导包。 我们同时实现了朴素的nfxp和mpec估算。 这是很幼稚的nfxp，因为它使用标准VFI而不是Rust在他的论文中开发的性能更高的多元算法。 要进行全面的基准测试，请参阅 ECTA评论， Matlab实现，其中包括作为暑期学校的一部分分发的似然函数的多元算法和解析导数。 我的代码的几个部分已从该代码库复制和修改。 这个包裹有什么意义？ 重点是说明使用软件包可以相对容易地解决MPEC问题。 请查看以获取一些稀疏的解释，以及（最重要的）指向相关源代码的链接。 JuMP类似于AMPL，但免费且嵌入了适当的编程语言。 对于类似的演示，请访问 ，这非常酷。 如何安装 开始Julia。 您会看到以下内容： _ _

LombScargle.jl 文献资料 建立状态 代码覆盖率 介绍 LombScargle.jl是一个软件包，用于使用对周期信号的进行快速多线程估计。 提供工具以执行信号频谱分析的另一个Julia软件包是 ，但其方法要求信号在等间隔的时间进行采样。 相反，Lomb–Scargle周期图还使您能够分析采样数据不均匀的情况，这在天文学中是相当普遍的情况，在该领域中，此周期图被广泛使用。 以下文件报告了此软件包中使用的算法： Press，WH，Rybicki，GB 1989，ApJ，338，277（URL： ://dx.doi.org/10.1086/167197，Bibcode： :

图论 介绍 图论有时被称为复杂网络或网络科学或网络分析，是离散数学中最前卫的研究领域之一，也是我最喜欢的学科之一。 在这里，“图形”是首选名称，因为太多的人将“网络”一词与互联网联系在一起。 鉴于数据科学的繁荣，图论一直被机器学习的炒作所笼罩。 但是，一些一流的技术公司（例如Google和Facebook）在很大程度上依赖于图论的研究。 该存储库旨在增加图论对所有读者的了解。 它包含常见的图形算法，流行的网络模型，有趣的基于代理的仿真和惊人的复杂系统。 代码范围从基本级别到复杂级别，在生态学，流行病学，社会学，经济学，金融学等领域都有广泛的应用。Julia和Python均用于构建不同的脚本。 随着我逐渐攀升学习曲线，越来越多的有趣内容将会涌现出来。 敬请关注！ 目录 演算法 马图拉·贝克（Matula Beck） 原始 应用领域 疫情暴发 外汇套利 人居竞赛 人居占用 核心 骑士之旅

用于快速小波变换（通过滤波或提升的1-D，2-D，3-D）的软件包。 该软件包包括离散小波变换，逐列离散小波变换和小波包变换。 第一代小波使用滤波器组（周期性和正交）。 包括以下类型的过滤器：Haar，Daubechies，Coiflet，Symmlet，Battle-Lemarie，Beylkin，Vaidyanathan。 通过提升的第二代子波（周期性和普通类型，包括正交和双正交）。 目前，仅针对Haar和Daubechies（正在开发中）的升降方案。 用户可以轻松构建新的提升方案。 提升变换的当前实现比滤波器变换快2倍。 阈值，最佳基础和降噪功能，例如TI通过循环旋转进行降噪，WP

MonteCarlo.jl：Julia中的古典和量子蒙特卡洛模拟

六册Julia学习材料，可用于突击学习： 《Beginning Julia Programming》 《Beginning Julia Programming For Engineers and Scientists》 《Julia High performance》 《learning julia》 《Mastering Julia》 《Julia学习资料》

EarlyStopping.jl Linux 覆盖范围 一个小包，用于将早期停止准则应用于产生损失的迭代算法，以期将其应用于训练和优化机器学习模型。 包括在调查的停止标准：“早期停止-但是什么时候？”，在《神经网络：交易技巧》，第1版中。 G.奥尔，史宾格。 安装 using Pkg Pkg . add ( " EarlyStopping " ) 样品用法 此程序包中定义的EarlyStopper对象使用由某些外部算法生成的称为损失的数字序列-通常是某些迭代统计模型的训练损失或样本外损失-并确定这些损失何时下降得足以保证终止算法。 开箱即提供了以下“下列出的许多常用停止条件。 这是一个使用EarlyStopper对象检查其中两个条件（均触发停止）的示例： using EarlyStopping stopper = EarlyStopper ( Patience ( 2 ), N

matlab的双曲线代码EllipticFEM.jl —用Julia编写的椭圆，抛物线和双曲线PDE的FEM解算器 该软件包提供了二维有限元方法的实现，用于求解Julia中的椭圆，抛物线或双曲型偏微分方程。 特别是可以解决 $ (\partial_{t(t)} u) - \nabla (A*\nabla u) + b*\nabla u + c*u = f $ in $\Omega$, $ u = g\_D $ on $\Gamma\_D$, $ (A*\nabla u)*n = g\_N $ on $\Gamma\_N$, $ u = u $ on $\Gamma\_P$, 其中$ \ Omega $是域，而$ \ Gamma_D $，$ \ Gamma_N $和$ \ Gamma_P $分别表示Dirichlet，Neumann和周期边界。 术语$（\ partial_ {t（t）} u）$可以不存在（椭圆方程），也可以是$ \ partial_t u $（抛物线方程）或$ \ partial_ {tt

Julia中文手册 v1.1 完整介绍了julia语言的所有常用内容和语法。