此源代码实现了2018年IEEE进化计算大会（ 举办的大规模全球优化竞赛的获胜者 该实现是使用numpy在Python 3中完成的。 此源代码可根据通用公共许可证（GPLv3）免费获得。 但是，如果在研究论文中使用它，则应参考原始工作： “ Molina，D.，LaTorre，A。Herrera，F。SHADE通过迭代局部搜索进行大规模全局优化。2018年度会议，IEEE进化计算大会，里约热内卢，巴西，2018年7月8日至13日， pp 1252-1259“ 它在WCCI 2018中特别是在IEEE进化计算大会上进行了介绍。 。 安装 建议使用 source install.sh 该命令将在venv目录中创建具有所有必需依赖项的虚拟环境（virtualenv）。 跑 准备使用大规模全球优化CEC'2013基准进行实验的源代码。 参数： python shadeils -f -

小波分析基本上可以说是一门应用数学学科，它并不需要太多、太深的数学基础知识便可人门但是因为小波分析来自于调和分析，因而调和分析的某些基础知识应该被假定已知好在这些基础知识在任何一本有关调和分析的教科书中都是容易找到的，因而我们只是引用便可.

高维数据能充分表达复杂事物的信息,但高维数据自身表达和处理复杂,妨碍了它的实际应用。阐述了用降维算法和构建索引结构来解决高维数据降维问题。以数据对象变异最大方向的投影作为特定数据对象集的主成份,将聚类分析引入高校数据资源的预处理环节,实现了数据对象集合的聚类归约。给出应用实例,为深入探索相关模式提供有效的分析方法。

matlab美式看炒菜代码总经理 这是一个可以促进 Deep Galerkin 算法实验的库。 要学习解决方案，您可以定义新的 PDE/ODE 并调用 train 函数。 需要为您的应用程序设计适当的损失函数的知识。 该库输出了几个有用的东西： 1- 损失函数值（用于微分算子、边界条件等） 2- 给定方程的神经网络解决方案3- 给定神经网络的逐层平均激活值（在训练期间）（如 Xavier 的初始化论文中讨论的方法） 您还可以使用 讨论的方法找到最多 7 个资产（9 个维度）的 Free Boundry PDE（美式期权）的实现代码。 还有一个有限差分 matlab 代码可用于测量结果的准确性。 此存储库中还有另外两个示例。 热方程和对流方程。 在神经网络的训练过程中可以看到这两个方程的动画： 神经网络不同层的平均激活值（训练期间）： 这是此代码构建块的示意图： 要求 Python 3.7.7 火炬 1.6 如需合作、建议或问题，请随时与我联系：pooya[dot]saffarieh[at]student[dot]sharif[dot]ir

一种基于MDS的高维数据降维与可视化方法 ，任珂，马志强，降维与可视化是分析高维数据的有效手段。传统数据降维技术计算效率低，准确性较差，无法帮助分析者更深入理解和认识数据。因此，

一种面向高维数据的DS-ALasso变量选择方法，邱建荣，罗汉，变量选择是高维数据分析的重要环节，Laaso方法不具有Oracle性质且存在在处理维数大于样本量的数据结构时只能选取个变量的缺点，为解�

变量相关情况下高维数据变量选择方法，段乾鹏，郑少智，当变量之间具有较强相关性时，单个惩罚函数的变量选择方法效果会大大降低。文章提出组合惩罚的系数的拉普拉斯收缩变量选择方法，

为保证数字图像在传输过程中的安全问题,通过分析传统的基于高维混沌系统的图像加密算法,提出了一种图像加密改进算法。将位置置乱和像素替换加入到每次迭代中,并使加密数据流与明文信息相关,弥补了传统算法在应用中的漏洞和不足。理论分析和仿真实验表明,该算法具有良好的保密性和加密效果,密文对明文或初始密钥的任何微小变化具有强烈敏感性,相邻像素满足零相关性,具有较强的安全性和可操作性。

采用非线性控制系统的微分几何理论,将原混沌系统进行输入-输出部分线性化,并 结合极点配置方法,在一定的假设前提下,设计了一个实现高维混沌系统同步控制的反馈控制器,该方法可用于同步由单个状态变量或多个状态变量线性或非线性组合形成的多输出信号的同步。 所提出的控制器的设计方法简单、直观,并且具有相当的灵活性,可适用于相当广泛的非线性系 统,计算机仿真结果证实了所设计控制器的有效性。

全k近邻（all k-nearest neighbor，AkNN）查询，是k近邻查询的一个变型，旨在在一个查询过程中为给定数据集的每个对象确定k个最近邻。提出了一种在Hadoop分布式平台下处理高维大数据的AkNN查询算法。首先使用行条化思想结合p-stable LSH算法将高维数据对象降维，然后结合空间填充曲线Z-order的优良特性，把降维后的数据嵌入一维空间中，接着进行范围查询。整个过程使用MapReduce框架分布式并行处理。实验结果表明，所提出的算法可以高效处理高维大数据的AkNN查询。