努梅罗夫 python脚本，用于解一维时间独立的Schrodinger方程的束缚态。 该脚本使用Numerov方法来求解微分方程，并显示所需的能级和带有这些能级中每一个的近似波动函数的图形。 跑步 要运行此代码，只需克隆此存储库并使用python运行Numerov.py脚本（需要numpy和matplotlib模块）： $ git clone https://github.com/FelixDesrochers/Numerov/ $ cd Numerov $ python Numerov.py 然后程序将要求您输入要显示的能级数和所需的电势（确保电势大约位于x = 0的中心）： $ >> Which first energy levels do you want (enter an integer) : 4 $ >> Potential (as a fonction of x):

此函数是 f(t) 的 alpha 阶 Caputo 导数的高阶数值近似。 如果你想使用这个程序，请引用以下三篇论文。 [1] CP Li, RF Wu, HF Ding. Caputo导数和Caputo型对流扩散方程的高阶近似（I）。 应用和工业数学通信，2014 年，6(2)，e-536：1-32。 DOI：10.1685/journal.caim.536。 [2] 曹俊贤，CP Li，YQ Chen。 Caputo 导数和 Caputo 型对流扩散方程的高阶近似 (II)。 分数阶微积分与应用分析，2015，18(3)：735-761。 [3] HF Li, JX Cao, CP Li. Caputo 导数和 Caputo 型对流扩散方程 (III) 的高阶近似。已提交。

该程序实现了 Khachiyan 的论文“计算实数模型中的多面体的舍入”中的迭代算法，以近似包围任意维度的非退化点集的最小体积椭球。 它基本上与 Nima Moshtagh 的 MinVolEllipse 相似，不同之处在于结果椭圆实际上包围了输入点，并且由于使用了更有效的更新方程，因此速度要快得多。

SBL拟合整数阶近似方法通过将分数阶导数及其整数阶近似模型与参数平面中得到的轨迹kp和ki进行匹配，计算频域中的整数阶近似模型。 用户可以使用M_SBL函数轻松找到分数阶导数的整数阶近似模型。

为了构造高维下的近似模型，将最小二乘支持向量机（LS-SVM）引入切割高维模型表示（Cut-HDMR），提出了SVM-HDMR高维非线性近似模型构造法，给出了相应的自适应采样和模型构造算法。该方法利用Cut-HDMR将高维问题转化为一系列低维问题，用LS-SVM求解这些低维问题。数值算例的测试结果表明该方法具有较好的近似精度，且与传统近似方法相比极大地降低了计算成本，从而更适用于高维工程问题的求解。

矩量法(MethodofMoment,MoM)计算电大目标辐射与散射问题时消耗计算机资源巨大。采用自适应交叉近似算法(AdaptiveCrossApproximationAlgorithm,ACA)降低了MoM计算电大问题时的内存需求与计算复杂度,借助NURBS(Non-UniformRationalB-Splines,NURBS)建模方法设计了形状规则且边界清晰的ACA三维分组方法,从而实现了基于矩量法的ACA算法。通过算例证明该方法在不损失MOM的计算精度的前提下有效地降低了存储空间和计算量,并通过与

本书重在实际使用，包括各种算法在实际中应用的场景；以及算法实用化时应该考虑的哪些问题和实际性能分析，相当不错的资源，最近新资源，推荐一下；

基于DEAP数据集的特征提取———近似熵、排列熵、样本熵， 包含上述三个方法的python代码实现，全部在Jupyter Notebook上实现的

demo_粗糙面建模_粗糙面散射_粗糙面_基尔霍夫近似_matlab图像处理

该包在 MATLAB 中实现了近似熵 (ApEn)、样本熵 (SampEn) 以及范围熵 (RangeEn) A 和 B。 ApEn 和 SampEn 以两种方式实现：慢速和快速。 缓慢的实现更直观，更容易遵循。 快速实现的想法来自Python（ https://pypi.org/project/nolds/#description ）中'nolds'库的'sampen'函数。 RangeEn-A 和 RangeEn-B 分别基于 ApEn 和 SampEn 的快速实现。 您可以运行“fBm_entropy_analysis”以获得分数布朗运动的熵度量的“如何”示例（MATLAB 的“wfbm”函数）。 有关 Python 中的更多示例，请参阅我的 github 页面： https : //github.com/omidvarnia/RangeEn 。 ApEn 的参考资料：SM