OOMMF磁弹性扩展将磁弹性能量结合到使用OOMMF（面向对象的微磁框架）进行的微磁模拟中。 该扩展提供了其他Oxs可扩展类，您可以在其中指定弹性应变或位移以及磁弹性系数。 可以使用Tcl脚本或文件列表指定空间不均匀，随时间变化的应变，并在每个模拟步骤中计算有效的磁弹性场和能量。

利用CSS3技术可以实现各种各样的网页菜单，我们之前也在CSS3菜单栏目中分享了许多CSS3菜单。今天我们分享的这款是CSS3手风琴菜单，菜单项在展开和收缩的时候菜单项会有弹性动画效果。每一层父级菜单有一个小三角，菜单项在展开的时候这个小三角也会出现动画，非常酷。

maple：弹性力学——几何方程.mw

纯弹性碰撞。

logit 模型matlab代码求系数AcceleratedCVonMLR_matlab 具有弹性网络正则化的多项逻辑回归的近似交叉验证 这是免费软件，您可以根据 GNU 通用公共许可证第 3 版或更高版本的条款重新分发和/或修改它。 有关详细信息，请参阅 LICENSE.txt。 分发此程序是希望它有用，但不作任何保证； 甚至没有对适销性或针对特定目的的适用性的暗示保证。 描述 使用给定特征数据X 的估计权重向量wV和由弹性网络正则化（ L1范数和L2范数）惩罚的多项逻辑回归的类Ycode ，该程序计算并返回近似的留一法估计量（LOOE）及其标准预测似然误差。 所有必需的代码都在“例程”文件夹中。 请注意，该程序本身不包含任何求解器来获得wV 。 为此，请使用其他分布式程序。 用法 对于Np ( >2 ) 类的多项逻辑回归， [LOOE,ERR] = acv_mlr(wV,X,Ycode,Np,lambda2) 输入： wV : N * Np维的估计权重向量 X : M * N维的特征向量集 Ycode ：表示对应特征向量所属类别的M * Np维二进制矩阵 lambda2 ： L2范

传统上，葡萄栽培者对研究葡萄叶/叶柄的生物化学与其相关光谱反射率之间的关系具有浓厚的兴趣，以便了解果实的成熟率，水分状况，营养水平和疾病风险。 在本文中，我们对330至2510 nm的反射波长区域（986个总光谱带）实施成像光谱（高光谱）反射率数据，以评估葡萄园的营养状况。 这构成了带有病态协方差矩阵的高维数据集。 对有助于营养评估和预测的有用信息的变量（波段）的识别在多元统计建模中起着关键作用。 近年来，研究人员已成功开发出许多连续的，几乎无偏的，稀疏且准确的变量选择方法来克服此问题。 本文比较了四种正则化和一种功能回归方法：弹性网，多步自适应弹性网，Minimax凹面惩罚，迭代确定性独立筛选以及用于波长变量选择的功能数据分析。 此后，使用逐步回归可增强这些正则化稀疏模型的预测性能。 使用高维和高度相关的葡萄高光谱数据集进行回归方法的比较研究表明，Elastic Net用于变量选择的性能产生了最佳的预测能力。

弹性力学 基本公式 还有常用解法 用chm的格式编写 很好用

用于粘弹性介质正演模拟的源代码，c程序。

N维图像（Python，SciPy，NumPy，TensorFlow）的弹性变形 该库为N维图像实现了基于弹性网格的变形。 弹性变形方法在 Ronneberger，Fischer和Brox，“ U-Net：用于生物医学图像分割的卷积网络”（ ） Çiçek等人，“ 3D U-Net：从稀疏注释中学习密集的体积分割”（ ） 该过程将为每个栅格点生成一个具有随机位移的粗位移网格。 然后对该网格进行插值以计算输入图像中每个像素的位移。 然后，使用位移矢量和样条插值使输入图像变形。 除了正常的正向变形外，此程序包还提供了可以通过变形反向传播渐变的功能。 这使得可以将变形用作卷积神经网络中的一层。 为了方便起见，在elasticdeform.tf提供了一个TensorFlow包装器。 安装 pip install elasticdeform or pip install git+htt

一种作业弹性与截止时间感知的作业调度算法.pdf