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。

一个源程序，是关于切比雪夫神经网络的 函数逼近的源程序，希望对大家有帮助

grasshopper曲线转圆弧电池组