这里是 ShowMeAI 持续分享的【开源eBook】系列！内容覆盖机器学习、深度学习、数据科学、数据分析、大数据、Keras、TensorFlow、PyTorch、强化学习、数学基础等各个方向。整理自各平台的原作者公开分享（审核大大请放手） ◉ 简介：《The Design of Approximation Algorithms》整理自哥本哈根大学同名课程的教学资料。书籍围绕近似算法的几个核心算法技术展开，包括贪婪和局部搜索算法、动态编程、线性和半无限编程以及随机化。资料第一部分的每一章都专门讨论一种算法技术，然后将其应用于几个不同的问题。第二部分重温了这些技术，但对它们进行了更复杂的处理。 ◉ 目录： 贪婪算法和局部搜索 舍入数据和动态编程 线性程序和确定性舍入 线性程序的随机抽样和随机舍入 半定约程序的随机舍入 原始二元法 多路切割问题 随机抽样、优先抽样 心数估计 多数据集的总结 有序数据的总结 乘法权重 在线算法

matlab计算定积分代码惊人的tribble-MATLAB 在本练习中，您将使用黎曼和和 MATLAB 内置函数积分来近似计算函数的定积分值。 该代码接受作为输入：一个函数 fun、一个行向量 n，其条目是分区的子区间的数量，以及两个标量 a、b，它们是积分区间的端点。 黎曼和计算应该使用 [a,b] 的分区按等长 h(j) 定义为 h(j)=(ba)/n(j) 的子区间进行； 其中 n(j) 是 n 的第 j 个条目，其中 j=1:N 且 N=length(n)。 向量 n 的每个条目 n(j) 是 [a,b] 的对应分区的子区间数。 你的函数必须返回一个表 T，它的第一列由向量 n 的条目组成。 第 2 – 4 列是 Riemann 和函数在区间 [a, b] 上的积分的近似值的列向量 c,d,f 使用左端点（计算向量 c）、中间点（到计算向量 d)，以及分区的每个子区间的右端点（计算向量 f）。 分区的子区间数由n的条目定义。 **编写一个以 function [T,Int]=reimsum(fun,a,b,n) 开头的函数，格式紧凑 N=length(n); 如上所述计算向量

QAOA_Weighted_Maxcut 目录 基本信息 量子近似优化算法（QAOA）是用于解决组合优化问题的量子算法。 Maxcut是组合优化问题的一个示例。 MaxCut问题-给定一个图，找到一种将其分为两组的方法，以使两组之间的边缘具有最大的权重。 通过对较小的更改，此代码是加权maxcut问题的通用解决方案 技术领域 使用以下项目创建项目： python版本：3.7.4 cirq版本：0.9.1 networkx版本：2.4 scipy版本：1.5.2 numpy版本：1.19.5 matplotlib版本：3.3.2

附合导线近似平差，输入4个已知点坐标，再分部输入边长和方位角，也可以通过文件形式进行读入，再进行处理

该资源为试用版代码~ 一行代码快速实现特征提取！ 理论讲解：https://blog.csdn.net/fengzhuqiaoqiu/article/details/124979190?spm=1001.2014.3001.5501 function fea = genFeatureEn(data,featureNamesCell,options) % 特征提取函数 % 输入： % data：待特征提取的时域信号，可以是二维数据，行列方向不可出错 % options：其他设置，使用结构体的方式导入。 % featureNamesCell：拟进行特征提取的特征名称，该变量为cell类型，其中包含的特征名称为字符串，特征名称需要在下边列表中： % 目前支持的特征（2022.7.10，共8种）： % psdE：功率谱熵 % svdpE：奇异谱熵 % eE：能量熵 % ApEn：近似熵 % SampleEn：样本熵 % FuzzyEn：模糊熵 % PerEn：排列熵

高斯过程回归是基于贝叶斯理论和统计学习理论发展起来的一种全新机器学习方法, 适于处理高维数、小
样本和非线性等复杂回归问题. 在阐述该方法原理的基础上, 分析了其存在的计算量大、噪声必须服从高斯分布等
问题, 给出了改进方法. 与神经网络和支持向量机相比, 该方法具有容易实现、超参数自适应获取以及输出具有概率
意义等优点, 方便与预测控制、自适应控制、贝叶斯滤波等相结合. 最后总结了其应用情况并展望了未来发展方向.

均布荷载作用下的矩形截面简支梁挠度近似计算公式的误差分析，李甲，张琳玲，均布荷载作用下矩形截面简支梁的挠度计算，实际工程中多采用近似公式，而不是理论公式。通过实际算例，分析了近似公式与理论公式

在matlab下对冈萨雷斯课本中的MPP算法进行近似做了简单实现 适合对课程内容的直观理解

java交易网站源码Hnswlib - 快速近似最近邻搜索 带有 python 绑定的仅标头 C++ HNSW 实现。 HNSW 200M SIFT 实验的论文代码 消息： hnswlib 现在是 0.5.0。 添加了对酸洗索引的支持、对 PEP-517 和 PEP-518 构建的支持、小加速、错误和文档修复。 非常感谢 , , ,, , , , ! 感谢 Apoorv Sharma ，hnswlib 现在支持真正的元素更新（界面保持不变，但是当您更新元素嵌入时，性能/内存不应该降低）。 多亏了 Dmitry ，hnswlib 提高了不是 4 的倍数的向量维度的性能 感谢 Louis Abraham() 现在可以通过 pip 安装 hnswlib！ 强调： 轻量级，仅头文件，除 C++ 11 之外没有其他依赖项。 C++、python 和 R() 的接口。 完全支持增量索引构建。 支持元素删除（目前，没有实际释放内存）。 可以使用自定义用户定义的距离 (C++)。 与当前 nmslib 的实现相比，显着减少了内存占用和更快的构建时间。 算法参数的描述可以在 中找到。 Python 绑定

样本熵、近似熵、lempel-ziv函数代码。lempel-ziv复杂度是一种表征时间序列里出现新模式的速率的方法