Python入门经典:以解决计算问题为导向的Python编程实践(Punch 2012).pdf 个人收集电子书,仅用学习使用,不可用于商业用途,如有版权问题,请联系删除!
2023-05-19 08:23:32 48.5MB 计算机 编程
1
计算流体力学,自由表面波,湍流,粒子类方法,无网格方法,SPH,smoothed particle method
2023-05-18 22:05:30 3.04MB CFD
1
针对三合一系统(控制器、电机和减速器)已经被完全整合在一起,在研发前期根据台架的测试数据,对电控系统进行评估是很重要的。 本软件就是根据这个需求进行了开发。 使用说明 https://blog.csdn.net/wsgy1/article/details/123962928
2023-05-18 20:35:58 617.78MB 新能源 电机控制
1
着重描述了电力系统各种计算,三相短路的实用计算、同步发电机突然三相短路分析等
2023-05-18 18:05:26 1.64MB 暂态分析
1
德国标准的花键参数及计算,目前设计国外产品的用得比较多
2023-05-18 16:54:47 5.33MB 花键
1
本文介绍了某项目的PDM图以及任务一和任务二的历时估计。其中,任务一的最乐观、最悲观和最可能的历时估计分别为10天、28天、19天,任务二的最乐观、最悲观和最可能的历时估计分别为16天、40天、25天。接着,文中给出了两个问题的计算方法和参考答案,分别是项目在50天内完成的概率和项目在35~50天内完成的概率。
1
称呼: KLD = getKullbackLeibler(P,Q) 从概率分布 P 计算概率分布 Q 的 Kullback-Leibler 散度。 P 表示数据、观测值或理论分布的“真实”分布。 而 Q 通常代表 P 的理论、模型、描述或近似值。 因此,P 和 Q 都是在相同范围内计算的分布(例如使用“getDensity.m”获得) (即相同的垃圾箱——如果没有,显然比较它们是没有意义的)。 Kullback-Leibler散度是非对称度量(请参见下文)之间的差异两个概率分布 P 和 Q。 具体来说,Q 与 P 的 Kullback-Leibler 散度, 是当 Q 用于近似 P 时丢失的信息的度量。 Kullback-Leibler 散度测量编码样本所需的额外位的预期数量(因此直观上它是非负的) 使用针对 Q 优化的代码时来自 P,而不是使用针对 P 优化的真实代码。 尽管它通常被直观
2023-05-17 11:39:00 2KB matlab
1
输入电流值、温升和铜的厚度等参数,可计算出所需的导线宽度
2023-05-16 20:36:34 5KB PCB 导线宽度计算
1
PCB线宽和电流计算工具.xls
2023-05-16 20:30:39 29KB PCB 电流
1
了解燃气涡轮发动机的性能并分析不同工况下的性能。
2023-05-16 15:14:19 35KB matlab
1