给定线性系统的输入 u 和输出 y 及其阶数，函数求分子 N 和分母 D。 N,D]=mcar(u,y,n,k1,k2) u : 系统的输入信号y : 系统的输出信号n : 系统顺序k1,k2 向量 y 的第一个值和最后一个值的索引。 [N,D]=mcar(u,y,n) 程序允许选择 k1 和 k2 重要提示：如果输入信号为常数或系统不稳定，则结果将为 Nan。 理想的输入是随机信号。

比较全数值分析编程汇总，内容包括： 线性方程组的直接法：Gauss消去法与矩阵三角分解法（Doolittle分解法相比Crout分解法更常用）及其选择列主元的改进方法、Doolittle分解法的延伸（实对称正定矩阵利用Cholesky分解得到的平方根法、三对角矩阵作为线性方程组系数矩阵的追赶法） 线性方程组的迭代法：Jacobi迭代法、Gauss-Seidel迭代法（利用前者每次迭代已得到的最新分量加速）、逐次超松弛（SOR，Successive Over-Relaxation）方法 函数拟合的插值法：拉格朗日（Lagrange）插值法与牛顿（Newton）插值法。 函数逼近方法：数值逼近中引入了函数范数和函数内积的概念。前者用来度量逼近函数与原函数在一个区间内的整体误差，后者广泛用于各种数值逼近方法的计算过程中。函数的∞-范数对应最佳一致逼近；函数的2-范数（Euclid-范数）对应最佳平方逼近。 数值积分算法与数值微分。 非线性方程及方程组的数值方法。 矩阵特征值的数值解法：乘幂法与反幂法。 常微分方程的数值解法：欧拉（Euler）方法，龙格-库塔法。

matlab实现偏最小二乘法。。。。。 %% Principal Component Analysis and Partial Least Squares % Principal Component Analysis (PCA) and Partial Least Squares (PLS) are % widely used tools. This code is to show their relationship through the % Nonlinear Iterative PArtial Least Squares (NIPALS) algorithm.

加法增加乘法减少(AIMD)窗口算法 在现有的TCP/IP 协议体系下，TCP拥塞控制机制主要基于加法增加乘法减少(AIMD)算法。由于计算机计算能力和存储能力的提高，通告窗口一般都比较大，因此当前发送窗口的大小大多数情况下等于拥塞窗口的大小。

支持GF(2^m)域，m为任意大于1的整数

基于无穷小分析的思想，建立了速度与流量关系的基本模型。 由于放置一定数量的自动驾驶汽车会影响混合交通流的平均速度，因此我们选择自动驾驶汽车的比例作为变量，用k表示。 基于最小二乘法，我们发现k的两个临界值分别为38.63％和68.26％。 当k <38> 68.26％时，它们对道路的通行能力有显着改善。

使用单链表进行多元多项式的运算 两个多元多项式之间的操作 仅供参考

这是用C#写的用最小二乘法实现的各种拟合函数，包括了多项式拟合，指数函数拟合，对数函数拟合，幂函数拟合。本人菜鸟一枚，有错误的地方请多多指教。

题目描述 编写一个矩阵乘法的GPU并行程序，并且与对应规模的串行程序进行运行时间的比对（n=500，1000，1500，2000，3000，5000），画出规模和时间对比图。 矩阵A（n，n） 矩阵B（n，n） C = A x B 要求： 1、完成程序的开发并验证其正确性，完成一个实验报告（程序源代码、变量和语句的详细说明） 2、在实验报告中通过图表说明CPU串行和GPU并行在各种规模的运行时间； 3、在实验报告中通过图表说明GPU并行不同的数据分配在各种规模的运行时间。 设计思路 矩阵实验的代码环境为VS2019 community+CUDA 10.1，在vs2019中运行确定无问题后，用xtfp上传该cu文件，在shell中在跑一遍 自己写的作业，用学校分配的并行网络，跑出来的，实打实的结果 预览：https://img-blog.csdnimg.cn/87873b9ed0a840c3b156e1bc3faca024.png