* * Science School, Xidian University Xi’an 710071, China 西安电子科技大学 电磁波传播与散射 数值分析 吴振森教授 第一部分：解析方法 *

具有 Sigmoid 激活函数的多层感知器前馈全连接神经网络的实现。 训练是使用带有弹性梯度下降、动量反向传播和学习率降低选项的反向传播算法完成的。 当均方误差 (MSE) 达到零或达到预定义的最大时期数时，训练停止。 有关更多详细信息和结果讨论，请访问我的博客文章： http : //heraqi.blogspot.com.eg/2015/11/mlp-neural-network-with-backpropagation.html 。 代码配置参数如下： 1- 每个隐藏层的隐藏层数和神经元数。 它由变量 nbrOfNeuronsInEachHiddenLayer 表示。 有一个具有 3 个隐藏层的神经网络，神经元数量分别为 4、10 和 5； 该变量设置为 [4 10 5]。 2- 输出层尼特数。 通常输出单元的数量等于类的数量，但它仍然可以更少（≤ log2(nbrOfClasses

通过 1D-FDTD 模拟太赫兹辐射脉冲。 脉冲由自由空间中的硬源点产生。 Mur 的辐射边界位于模拟区域的两侧。 对不起我的英语不好！！！

供研究学习置信传播算法的学者学习，matlab代码，内含一些例子包括贝叶斯网络、马尔科夫模型、因子图算法等

基于反向传播神经网络的自适应SCL译码算法.pdf

SEIR传播动力学模型 什么是SEIR传播动力学模型？ 经典SEIR模型将人群分为S (Susceptible，易感者)，I (Infected，感染者)，E (Exposed，潜伏者)和R (Recovered，康复人群)。 本文根据SEIR传播动力学模型，利用Python实现生成ER随机网格、并在网格间随机结边、模拟SEIR型传染病传播 该实验可分为两个步骤进行： 一、生成一个ER随机网络，生成网络节点的度分布图、画出节点分布图 二、编写程序：编程SEIR传播动力学模型。随机选择一个传播节点，基于SEIR传播动力学模型，统计每个时间步长对应的S,E,I,R四个状态节点数，作图 *注意：为防

模拟有损传输线中的波传播，它模拟传输线中电场强度和磁场强度的变化

在天体力学中，数值方法被广泛用于求解微分方程。 本代码中，根据牛顿万有引力定律，利用Runge-Kutta四阶方法对轨道运动方程进行数值积分，模拟物​​体绕地球运动的轨迹。 输入：位置和速度向量 (x,y,z,vx,vy,vz) 或者开普勒元素 (a, e, i, Omega, w, M) h = 步长步数 = 步数输出：在ECI参考系中传播的卫星PV矢量 调用：[X_RK] = RK_4(X,h,steps)

[精选]《非爆点不传播_非事件不营销》.pptx

它是使用置信传播的分层（又名多尺度）卡尔曼滤波器的实现。 模型参数通过期望最大化（EM）算法估计。 在这个实现中，我们考虑了两个不同频率的时间序列。 高频和低频信号之间的消息被组合以改进估计和预测。