已知梁的截面形状、尺寸、材料参数等数据，根据晶格常数等参数可以采用传递矩阵法计算该梁的色散曲线。

使用迭代法解线性方程组---雅克比方法、高斯-赛德尔方法、逐次超松弛法。适合数值计算的实验

分别取n=20,60,100,200,采用高斯消去法、列主元高斯消去法计算下列n阶线性方程组Ax=b的解：

编译原理课程设计 do_while语句的翻译 采取词法分析 语法分析 简单优先法原理 输出四元式

基于最小费用流(MCF)法的相位解包裹理论与实验验证-含Matlab代码.zip

共轭梯度法 最优化 c++

通过matlab程序实现，基于光流法的运动估计，可以对图像进行预测

脑机接口（BCI）为大脑和外部设备之间提供了一个直接通信通道。基于稳态视觉诱发电位的脑机接口（SSVEPBCI）因其高信息传输率而受到越来越多的关注。任务相关成分分析法（TRCA）是一种最新的单独校准 SSVEPBCI 的方法。然而，在 TRCA 中，从每个刺激中学习到的空间滤波器可能是冗余的，时间信息没有得到充分利用。针对这一问题，本文提出了一种新方法，即任务判别成分分析法（TDCA），以进一步提高单独校准的 SSVEPBCI 的性能。通过两个公开的基准数据集对 TDCA 的性能进行了评估，结果表明 TDCA 的性能明显优于集合 TRCA 和其他竞争方法。测试 12 名受试者的离线和在线实验进一步验证了 TDCA 的有效性。本研究为设计经过视频校准的 SSVEPBCI 解码方法提供了新的视角，并为其在高速脑拼写应用中的实现提供了启示 ———————————————— 版权声明：本文为CSDN博主「紫钺-高山仰止」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。 原文链接：https://blog.csdn.net/qq_43158059/articl

LR(1)（Left-to-Right, Rightmost derivation with 1 symbol lookahead）分析法是一种用于构建分析器的语法分析方法，通常用于分析上下文无关文法的语法结构，属于LR分析法的一种变种。它是一种强大的自底向上语法分析方法，适用于具有一定复杂性的上下文无关文法，通过使用向前查看符号来处理文法中的二义性，使得可以更精确地分析和理解输入。 在实验的代码实现过程中，定义了ACTION表和GOTO表，这两个表是LR(1)分析表的核心部分，其中ACTION表用于记录移进和归约操作，GOTO表用于记录状态之间的转移。这些表提供了对输入串和状态栈的操作指导。接着定义了产生式结构体，并初始化了产生式数组、状态栈、符号栈和输入串等变量。这些变量在分析过程中起着关键的作用。 主要的分析过程在函数analyse()中实现。这个函数使用了循环来逐步分析输入串，直到达到接受状态或发生错误。在每一步中，根据输入字符和当前状态，在ACTION表中查找相应的操作。如果是移进操作，将状态和输入字符压入栈中，并打印当前步骤的状态。如果是归约操作，根据产生式进行出栈操作，

LL(1)分析法是一种常用的自顶向下的语法分析方法，用于分析和解释编程语言或其他形式的文本。LL(1)代表"Left-to-Right, Leftmost derivation, 1 symbol lookahead"，这表示了分析器的工作方式和限制条件，通常用于编程语言的语法分析，编写编译器或解释器。主要步骤包括构建LL(1)文法、构建LL(1)分析表和使用递归下降分析或预测分析器等算法来分析输入文本。 通过本次实验，我实现了LL(1)分析法进行语法分析，并认识到LL(1)分析法利用预测分析表和栈来进行符号匹配和产生式的选择，从而推导出输入串的语法结构。 首先，我了解到LL(1)分析法的核心是构建预测分析表。预测分析表由非终结符和终结符构成，通过预测分析表我们可以根据当前的栈顶符号和输入串的首符号，快速确定应该选择的产生式，从而进行语法推导。在实验中，我通过定义非终结符和终结符的数组以及预测分析表的初始化，构建了一个完整的预测分析表。 其次，我认识到LL(1)分析法对文法的要求比较严格，文法必须满足LL(1)文法的条件。LL(1)文法要求每个非终结符的每个产生式的选择集与其他产生