PDE经典教材 学习偏微分方程必读课本

该算法获取两点的坐标并使用 DDA 算法将它们连接起来。 如果 x1, y1 和 x2, y2 线坐标相等（是一个点），则不会绘制任何东西。 在互联网上我发现了一些 DDA algortihms，它们不能正常工作， 从 Akshay Upadhyay ( http://www.cprogramto.com/c-program-for-dda-algorithm/ ) 那里得到一些想法和 Chandan Kumar ( https://se.mathworks.com/matlabcentral/fileexchange/25524-line-drawing-by-dda/content/DDA_Line.m ) 并实现了我自己的 DDA 算法版本。 随意修改它。 我设置了固定轴，所以要考虑到这一点。 第x行的范围可以从-5变为5，而y范围也可以从-5变为5

Stochastic Differential Equations 6th ed - B. Oksendal

随机 一个用于生成随机过程实现的python包。 安装 stochastic软件包在pypi上可用，可以使用pip安装 pip install stochastic 依存关系 随机使用numpy进行许多计算，使用scipy采样特定的随机变量。 Craft.io流程 该软件包提供了许多常见的离散时间，连续时间和噪声过程对象，用于将随机过程的实现生成为numpy数组。 扩散过程使用欧拉-丸山方法进行近似。 这是程序包中当前受支持的进程及其类引用。 随机过程 连续的 贝塞尔Craft.io 布朗桥 布朗旅行 布朗恩·梅德 布朗运动 柯西过程 小数布朗运动 伽玛过程 几何布朗运动 高斯逆过程 混合泊松过程 多分数布朗运动 泊松过程 SquaredBesselProcess 方差伽玛程序 维纳过程 扩散 扩散过程（广义） 恒定弹性方差过程 CoxIngersollRossProcess

二维椭圆网格生成器 这是一个二维正交椭圆网格（网​​格）生成器，它通过求解Winslow偏微分方程（Elliptic PDE）来工作。 它能够使用拉伸功能和正交性调整算法来修改网格。 该算法通过使用倾斜的抛物线切线拟合器计算曲线斜率来工作。 网格生成器打包为Java程序，可以通过命令行对其进行编译和执行。 该程序允许从六种不同的边界类型中进行选择：矩形，高斯，绝对值，最大整数，前进步距和半椭圆。 然后可以指定网格域的坐标（注意：该域必须是完美的正方形）。 最后，可以选择向网格添加细化，例如正交性调整和拉伸功能。 然后，程序将生成一个初始的粗网格并对其进行迭代优化，以生成具有给定参数和优化选项的平滑网格。 椭圆网格求解器的一个独特功能是可以很好地校正重叠和错位的网格线。 程序输出的一部分还将提供对所得网格质量的详细分析。 运行程序 要运行该项目的预构建jar文件，请确保您已安装Java版

Thomas' Calculus including Second-order Differential Equations 11 edition 课后习题答案

博弈论书籍 Cooperative.Stochastic.Differential.Games David.W.K.Yeung pdf

是一个库，可以使用不同的隐私训练PyTorch模型。 它支持在客户端上进行的代码更改最少的培训，对培训性能的影响很小，并允许客户端在线跟踪在任何给定时刻花费的隐私预算。 目标观众 此代码版本针对两个目标受众： ML从业者会发现这是培训差异性隐私模型的温和介绍，因为它需要最少的代码更改。 差异隐私科学家会发现这很容易尝试和修改，使他们能够专注于重要的事情。 安装 可以通过pip安装最新版本的Opacus： pip install opacus :warning_selector: 注意：这将带来最新版本的部门，它们在Cuda 10.2上。 如果您的环境使用的是较旧的Cuda版本（例如，Google Colab仍在Cuda 10.1上），则此方法将无效。 要在Colab上安装，请首先运行以下单元： pip install torchcsprng==0.1.3+cu101 -f https://download.pytorch.org/whl/torch_stable.html 然后，您可以像以前一样pip install opacus 。 在查看更多上下文。 您还可以直接从

Brownian dynamics serve as mathematical models for the diffusive motion of mi- croscopic particles of various shapes in gaseous, liquid, or solid environments. The renewed interest in Brownian dynamics is due primarily to their key role in molec- ular and cellular biophysics: diffusion of ions and molecules is the driver of all life. Brownian dynamics simulations are the numerical realizations of stochastic differential equations (SDEs) that model the functions of biological microdevices such as protein ionic channels of biological membranes, cardiac myocytes, neuronal synapses, and many more.

Differential Evolution A Practical Approach to Global Optimization 差分进化算法