课程讲义. 作者: My T. Thai

给定高阶稳定传递函数 G，此代码将使用所需程度的劳斯近似（或 Gamma-Delta 近似）计算系统的降阶等效模型。 请参阅：V. Krishnamurthy 和 V. Sheshadri，“使用频域中的劳斯近似来降低系统阶数的简单直接方法”，IEEE 自动控制汇刊，卷。 21，第 797-799 页，1976 年 10 月。 功能 RouthApprox=Routh_Approximation(G,r) 计算给定 n 阶的 r 阶劳斯近似传递函数 G，其中 1<=r<=n。 例子G=tf([1 2],[1 3 4 5]) r=2； R=Routh_Approximation(G,r) 给出输出为 0.5714 秒 + 1.143 R= --------------------- s^2 + 2.286 s + 2.857

High computational complexity hinders the widespread usage of Convolutional Neural Networks (CNNs), especially in mobile devices. Hardware accelerators are arguably the most promising approach for reducing both execution time and power consumption. One of the most important steps in accelerator development is hardware-oriented model approximation. In this paper we present Ristretto, a model approximation framework that analyzes a given CNN with respect to numerical resolution used in representing weights and outputs of convolutional and fully connected layers. Ristretto can condense models by using fixed point arithmetic and representation instead of floating point. Moreover, Ristretto fine-tunes the resulting fixed point network. Given a maximum error tolerance of 1%, Ristretto can successfully condense CaffeNet and SqueezeNet to 8-bit. The code for Ristretto is available. Comments: 8 pages, 4 figures, Accepted as a workshop contribution at ICLR 2016. Updated comparison to other works Subjects: Computer Vision and Pattern Recognition (cs.CV)

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；

polyBox：V2.1 版本 2013 年 7 月 介绍------------ 该工具箱扩展了 MATLAB 中实现的多项式的功能。 提供以下功能： polyadd：具有协方差传播的多项式加法。 polymult：多项式乘法与协方差传播 polyfitcov：扩展 ​​polyfit 以返回系数的协方差。 polytrans：将移位多项式系数转换为未移位系数。 polyvander：生成一个 vandermonde 矩阵，如 polyfit 和 polyval 中使用的那样，如果需要，包括移位和缩放。 该函数在许多其他脚本中用于扩展 MATLAB 在多项式方面的功能。 polydiffcfs：生成对多项式的系数进行微分的矩阵 M。 此函数在内部用于生成约束多项式。 聚约束：生成一组受约束的多项式，即一组满足 D^(n) Y(a) = b 形式的一组通用约束的多项式。 这种

有关于将三角网格光滑逼近和参数化的实现方法， Parameterization and smooth approximation of surface triangulations

给定一组高维数据，run_umap.m 生成数据的低维表示，用于数据可视化和探索。 有关如何使用此代码的文档和许多示例，请参阅文件 run_umap.m 顶部的注释。 UMAP 算法是 Leland McInnes、John Healy 和 James Melville 的发明。 有关详细描述，请参阅他们的原始论文 ( https://arxiv.org/pdf/1802.03426.pdf )。 另请参阅原始 Python 实现的文档 ( https://umap-learn.readthedocs.io/en/latest/index.html )。 这个 MATLAB 实现遵循与 Python 实现非常相似的结构，许多函数描述几乎相同。 以下是此 MATLAB 实现的一些主要区别： 1) MATLAB 函数 eigs.m 似乎不如 Python 包 Scipy 中的函数“ei

Approximation.Algorithms.for.NP-Hard.Problems,.Dorit.S..Hochbaum,.PWS.1997,.WPCBJ.1998.311S

《近似算法分析与设计》，英文版，作者Ding-Zhu Du，Ker-l Ko, Xiaodong Hu。国人写的书能在国外大学使用的，书虽然略难，但仔细推敲后发现写得非常好。可供网络算法、近似算法、优化理论等方面参考。

support vector method for function approximation,regression estimation and signal processing 这是支持向量机的一个里程碑