Erlang随机变量 创建一个或数组,其中填充了来自的。 安装 $ npm install distributions-erlang-random 要在浏览器中使用,请使用 。 用法 var random = require ( 'distributions-erlang-random' ) ; random([dims] [,opts]) 创建一个或填充了来自Erlang分布的绘图。 dims参数可以是指定length的正integer也可以是指定尺寸的正integers array 。 如果未提供dims参数,则该函数从Erlang分布返回一个随机抽奖。 var out ; // Set seed random . seed = 2 ; out = random ( 5 ) ; // returns [ ~1.416, ~1.285, ~0.112, ~1.103, ~2.01
2022-11-03 13:31:53 15KB JavaScript
1
LRW lazy Random Walks forsuperppixel segmentation文章代码,matlab版。文章也在压缩包中,欢迎图像分割初学者下载学习。
2022-11-01 18:12:02 1.71MB LRW lazy random walk
1
forestError:随机森林预测误差估计的统一框架 1.0.0版更新 该软件包已更新,以反映偏差的常规征兆(平均预测减去平均响应)。 该软件包的早期版本返回负偏差(平均响应减去均值预测)。 因此,必须颠倒涉及此程序包输出的任何偏差的代数运算的符号,以保持其预期的效果。 概述 forestError软件包使用Lu和Hardin(2021)中引入的插件方法为随机森林预测估算条件均方预测误差,条件偏差,条件预测间隔和条件误差分布。 这些估计值取决于测试观测值的预测值,并考虑可能的响应异质性,随机森林预测偏差以及整个预测器空间中的随机森林预测变异性。 在当前状态下,此程序包中的main函数接受使用以下任何程序包构建的回归随机森林: randomForest , randomForestSRC , ranger ,和 quantregForest 。 安装 在R运行以下代码行将从CRAN
2022-10-29 10:33:56 93KB machine-learning r statistics random-forest
1
创建词汇库;random随机挑选单词;打乱单词排序;玩家输入重组后的单词;检查结果;继续猜或者退出
2022-10-26 14:07:50 1KB python game jumble random
1
在abaqus中生成二维随机纤维,非常有用。。。。。
1
好几个关于随机振动,结构动力学方面求解的算法,包括PSD法,PEM法,模态空间法,虚拟激励法等算法的基础程序
1
伽玛随机变量 创建一个或数组,其中填充了来自的。 安装 $ npm install distributions-gamma-random 要在浏览器中使用,请使用 。 用法 var random = require ( 'distributions-gamma-random' ) ; random([dims] [,opts]) 创建一个或填充了来自的。 dims参数可以是指定length的正integer也可以是指定尺寸的正integers array 。 如果未提供dims参数,则该函数从gamma分布返回一个随机抽奖。 var out ; // Set seed random . seed = 2 ; out = random ( 5 ) ; // returns [ ~0.192, ~0.319, ~0.714, ~0.861, ~0.974 ] out = random
2022-10-19 15:54:54 16KB JavaScript
1
本文实例为大家分享了python绘制雪花的具体代码,供大家参考,具体内容如下 代码非常容易理解,画着玩玩还是可以的。直接上代码 # -*- coding: utf-8 -*- """ Created on Fri Jan 12 14:35:14 2018 @author: Administrator """ from turtle import * from random import * def ground(): hideturtle() speed(100) for i in range(400): pensize(randint(5,10)) x=randint(-40
2022-10-06 08:04:57 253KB AND do dom
1
13基于快速扩展随机树(RRT / rapidly exploring random tree)的路径规划算法,通过对状态空间中的采样点进行碰撞检测,避免了对空间的建模,能够有效地解决高维空间和复杂约束的路径规划问题。该方法的特点是能够快速有效地搜索高维空间,通过状态空间的随机采样点,把搜索导向空白区域,从而寻找到一条从起始点到目标点的规划路径,适合解决多自由度机器人在复杂环境下和动态环境中的路径规划。与PRM类似,该方法是概率完备且不最优的。
2022-09-21 22:07:59 16KB random PRM rrtmatlab rrt路径规划
针对实时业务分析交换机的数据远程操控脚本实例
2022-09-21 09:01:26 4KB up