司守奎《数学建模算法与应用》的程序及数据,包括所有章节例题的matlab代码，是数学建模学习的重要参考

HH模型代码MATLAB Engerer2-分离模型 Engerer2 扩散馏分分离模型的代码遵循发表在《可再生和可持续能源杂志》上的新参数化版本。 该模型根据全球水平辐照度、纬度、经度和时间的输入来估计漫射水平辐照度。 Engerer 分离模型首次在论文中得到描述和验证：Engerer, NA 2015. 澳大利亚东南部全球辐照度漫射分数的分钟分辨率估计。 太阳能。 116、215-237。 本文介绍了 Engerer 分离模型的 3 种变体：1、2 和 3 Engerer1 适用于非云增强数据，Engerer2 适用于云增强数据，Engerer3 仅适用于晴空数据。 尽管在许多比较研究中得到了出色的验证，但该原始模型仅根据澳大利亚数据进行了训练和测试，因此缺乏全球范围。 该存储库根据新论文展示了 Engerer2 模型的新性能：Bright, Jamie M. & Engerer, Nicholas A. 2019. Engerer2：不同时间分辨率下辐照度分离模型的全局重新参数化、更新和验证。 可再生与可持续能源杂志。 11（2），xxx。 如果在研究中使用此代码，我们要求引用

拆了一辆MODEL S ，将其中的零部件全部展现给大家。 尤其是里面的电路板，芯片型号都列出来了。有兴趣的可以下载看看。

Android 3D模型查看器 这是OpenGL ES 2.0的演示。 这是一个带有3D引擎的Android应用程序，可以加载Wavefront OBJ，STL，DAE和glTF文件。 该应用程序基于andresoviedo的项目，可以在找到该项目，其中包含加载和呈现glTF格式的附加功能。 该应用程序的目的是学习和共享如何使用OpenGLES和Android进行绘制。 由于这是我的第一个Android应用程序，因此很可能存在错误； 但我将尝试继续改进该应用程序并添加更多功能。 Wafefront格式（OBJ）： ://en.wikipedia.org/wiki/Wavefront_.o

介绍并记录了基于 MATLAB 的交互式生物神经元电生理行为演示模拟。 介绍和简要讨论了描述生物物理模型神经元中膜电压随时间变化的微分方程，以及演示中使用的默认数值参数。 提供了一些参考文献和文​​献的基本指针，目的是为感兴趣的用户提供进一步的阅读材料。 该项目是为邀请演讲的多媒体演示而开发的，在目前的公开版本中，它旨在作为教育目的的工具。 由于包含相关源代码并进行了完整注释，因此该软件也可以方便地用作开发示例，以探索 MATLAB 数据可视化、图形用户界面 (GUI) 和 MEX 界面的许多优点。

传统的PLLmatlab模型，很好的资料，工程上采用的三相锁相方法,你值得拥有！

建立QSAR MOdel以预测分子抑制与Alheimer's Beta_Secratese 1相关的靶蛋白的能力 通过Abolaji Shiwoku 背景 药物发现是一个漫长的过程，而且成本高昂，平均需要12年的时间，耗资100亿美元。旧的过程依赖于科学家或制药公司的专业知识或过去的实验知识来设计可能会或可能不会在目标基因或蛋白质上表现出所需特性的化合物。现在拥有数十年的过去实验数据，我们可以应用机器学习来构建预测模型，该模型可以预测化合物的生物活性，以帮助加快药物靶标的选择。这些工具在降低研究费用，加快临床研究，为患病者带来更多有用药物方面可能是无益的。制药公司正在意识到使用过去的实验数据来更好地预测化合物的化学特征的力量。随着强大的机器学习工具应用于化学数据，我们可以使用这些模型来监督重要的化学蛋白质活性，尤其是在制造新型化合物方面取得了进步。 QSAR（定量结构活性关系）模型可帮助

嘿嘿，这个可是我从俄国某ftp网站上找到的，只要3分已经是很少了-_-!搞Windows内核的一般都从驱动起步，菜鸟必备，对高手也有参考价值。

js 实现模态框

GMM-GMR是一组Matlab函数，用于训练高斯混合模型（GMM）并通过高斯混合回归（GMR）检索广义数据。 它允许通过使用期望最大化 (EM) 迭代学习算法对高斯混合模型 (GMM) 中的任何数据集进行有效编码。 通过使用此模型，高斯混合回归 (GMR) 可用于通过指定所需输入来检索部分输出数据。 然后它作为一个泛化过程，计算关于部分观察数据的条件概率。 提供了一个样本来加载包含多个轨迹数据[t，x]的数据集，其中t是时间值，x是3D中的位置。 然后在 GMM 中对联合概率 p(t,x) 进行编码，GMR 用于检索 p(x|t)，即每个时间步的预期位置。 这用于检索提供的轨迹的平滑广义版本。 源代码是EPFL/CRC Press 出版的“Robot Programming by Demonstration: A Probabilistic Approach”一书中描述的算法的实现