帕维托 Pavito是用编写的混合整数凸规划（MICP）求解程序包。 MICP问题是凸的，除了一些变量采用二进制或整数值的限制之外。 Pavito通过构造凸可行集的顺序多面外逼近来解决MICP问题，类似于 。 Pavito通过MathOptInterface接口访问最新的MILP求解器和连续的，基于导数的非线性编程（NLP）求解器。 对于使用圆锥求解器而不是NLP求解器的算法，请使用 。 Pajarito是一个健壮的混合整数圆锥求解器，可以处理已建立的问题类别，例如混合整数二阶锥规划（MISOCP）和混合整数半定规划（MISDP）。 安装 可以通过Julia软件包管理器安装Pavito： julia> ] pkg> add Pavito 用法 有几种便捷的方法可以在Julia中建模MICP并访问Pavito： NLP模型 圆锥模型 X X X JuMP和Convex.jl

最近电平逼近调制策略的MMC

建模算法函数逼近处理，用切比雪夫多项式逼近已知函数。

斯坦福年度AI报告：人工智能全面逼近人类能力

EM算法逼近GMM参数针对二维数据点的python实现。 GMM即高斯混合模型，是将数据集看成是由多个高斯分布线性组合而成，即数据满足多个高斯分布。EM算法用来以迭代的方式寻找GMM中个高斯分布的参数以及权值。GMM可以用来做k分类，而混合的高斯分布个数也就是分类数K。

ARMA谱估计简介，以及AR法对其的逼近 后面会有经典谱与现代谱源码奉上

设计了一种12位精度，200 kS/s采样率的逐次逼近型模数转换器(SAR ADC)。针对传统的电容开关切换算法的大电容面积和高功耗，采用一种新型的电容开关切换算法，提高了转换精度，降低了功耗。此外，比较器电路采用一种全差分动态比较器和静态预放大比较器分时工作的方法，进一步降低了功耗。基于TSMC 0.18 μm CMOS工艺，对电路进行了设计和仿真。仿真结果表明，在采样率为200 kS/s时，信号噪声失真比(SNDR)为70.94 dB，有效位数(ENOB)为11.49位，功耗为22 μW，优值系数(FOM)为38.2 fJ/(Conversion·step)。

论文+代码

借助正交函数逼近方法,将Haar小波作为正交基函数,推出了Haar小波对应的微分运算矩阵、乘积积分运算以及元素乘积运算矩阵,并将其应用到分布参数系统的最优点式控制问题的研究中,获得了性能较好的小波逼近算法。仿真示例验证了所提算法的有效性。

建模算法函数逼近处理，用切比雪夫多项式逼近已知函数。