Eclipse Modeling Tools(eclipse-modeling-2022-06-R-linux-gtk-aarch64.tar.gz) 适用于Linux aarch64: The Modeling package provides tools and runtimes for building model-based applications. You can use it to graphically design domain models, to leverage those models at design time by creating and editing dynamic instances, to collaborate via Eclipse's team support with facilities for comparing and merging models and model instances structurally, and finally to generate Java code
2022-06-18 19:06:12 545.64MB eclipse-modeling eclipse
the complete guide to blender graphics computer modeling & animation(4th) .pdf pdf版本
2022-06-16 19:34:45 39.28MB blende 3d
1
ResNet34-C32
2022-06-14 09:10:32 26.76MB data modeling
1
这个是一个simulink模型,搭建了6个MOS和相应的信号序列,给定不同的指令,来带动BLDC。不同的序列可使BLDC锁定在不同的角度,基本可以用来做初始角度对齐等计算。
2022-06-10 15:59:47 32KB BLDC 三相逆变器
1
L2_2021. Basics of Converter Modeling(Large-signal model).pdf
2022-06-10 11:10:23 1.17MB 开关电源
1
hBayesDM hBayesDM (决策任务的多层贝叶斯建模)是一种用户友好的程序包,可对一系列决策任务上的各种计算模型提供分层的贝叶斯分析。 hBayesDM使用进行贝叶斯推理。 现在, hBayesDM支持和 ! 快速链接 教程: : (R)和 (Python) 邮件列表: : forum / hbayesdm-users 错误报告: https : //github.com/CCS-Lab/hBayesDM/issues 贡献:请参阅此存储库的Wiki 。 引文 如果您使用hBayesDM或其某些代码进行研究,请引用本文: @article { hBayesDM , title = { Revealing Neurocomputational Mechanisms of Reinforcement Learning and Decision-Making
1
软件工程英文教学课件:Ch6 Requirements Modeling Scenarios, Information, and Analysis Classes.ppt
2022-06-06 09:07:53 1.48MB 文档资料 软件工程
软件工程英文教学课件:Ch7 Requirements Modeling Flow and Behavior.ppt
2022-06-06 09:07:52 1.1MB 文档资料 软件工程
LINGO是Linearnteractive and General Optimizer的缩写,即“交互式的线性和通用优化求解器”,可以用于求解非线性规划,也可以用于一些线性和非线性方程组的求解等。其特色在于可以允许决策变量是整数(即整数规划,包括 0-1 整数规划),方便灵活,而且执行速度非常快。   一般地,使用LINGO 求解运筹学问题可以分为以下两个步骤来完成:   1)根据实际问题,建立数学模型,即使用数学建模的方法建立优化模型;   2)根据优化模型,利用LINGO 来求解模型。主要是根据LINGO 软件,把数学模型转译成计算机语言,借助于计算机来求解。
2022-05-29 00:14:18 4.21MB lingo 教程 pdf
1
卫生经济模拟建模 概述 hesim是用于卫生经济模拟建模和决策分析的模块化且计算效率高的R包,它提供了将统计分析与经济评估相集成的通用框架。 该软件包支持队列离散时间状态转换模型(DTSTM),N状态分区生存模型(PSM)和个体级连续时间状态转换模型(CTSTM),包括Markov(时间均质和时间非均质)和半-马尔可夫过程。 它大量利用Rcpp和data.table进行个人级仿真,概率敏感性分析(PSA)并快速纳入患者异质性。 当前版本的功能可以总结如下: 队列DTSTM,个体级CTSTM和涵盖Markov和半Markov过程的N状态PSM 直接从拟合的统计模型或通过根据表达式定义模型来构建模型的选项 来自基于R的模型或来自外部来源的参数估计 方便的功能,用于从参数分布或通过自举采样模型参数 PSA传播的参数不确定性 建模患者异质性 进行成本效益分析并代表PSA的决策不确定性 用C+
1