Semi-Supervised-Learning-Using-Gaussian-Fields-and-Harmonic-Functions_notes

构造椭圆的数据点，表示具有任何协方差和平均值的 3 维高斯分布的轮廓曲线。 例子 在这个例子中，函数 ellipsedata 构造了一个由 400 个点组成的椭圆体（3 维椭圆），表示对应于标准偏差为 1.5 的 3 维高斯分布的等高线曲线，协方差矩阵由 [4,1,1;1 ,2,1;1,1,1] 和由 [3,3,3] 给出的平均值。 [elv,elf]=ellipsedata3([4,1,1;1,2,1;1,1,1],[3,3,3],20,1.5); 顶点的位置存储在elv中，可以绘制如下 scatter3(elv(:,1),elv(:,2),elv(:,3)); 面（形成补丁的顶点）存储在 elf 中，可以按如下方式绘制 patch('Faces',elf,'Vertices',elv,'FaceColor','white','EdgeColor','black'); 输入参数

高斯白噪声matlab代码 新的培训和测试代码（）-18/12/2019 培训和测试代码（和） 合并批量归一化（PyTorch） import torch import torch . nn as nn def merge_bn ( model ): ''' merge all 'Conv+BN' (or 'TConv+BN') into 'Conv' (or 'TConv') based on https://github.com/pytorch/pytorch/pull/901 by Kai Zhang (cskaizhang@gmail.com) https://github.com/cszn/DnCNN 01/01/2019 ''' prev_m = None for k , m in list ( model . named_children ()): if ( isinstance ( m , nn . BatchNorm2d ) or isinstance ( m , nn . BatchNorm1d )) and ( isinstance ( prev_m , nn .

这个是zemax非序列下gaussian光束的matlab程序，想学习的同学可以点击下载资源进行学习！

matlab高斯金字塔代码高斯金字塔_拉普拉斯金字塔_FFT 用于生成5个级别的高斯金字塔和拉普拉斯金字塔的Python代码，并将这些图像连接起来以显示金字塔。 当前，在OpenCV中没有可用的功能以这种方式显示金字塔图像（尽管可在MATLAB中使用）。 可能不是最优雅的方法，但是可以完成工作。 可以轻松改进。 该代码还为图像生成2D FFT，以进行空间频率分析

介绍第一性原理计算软件Gaussian的一些应用实例，适合相关研究领域的技术人血参考

Matlab集成的c代码高斯过程回归和分类工具箱 版本4.2。 对于GNU Octave 3.2.x和Matlab 7.x 版权所有（C）2015-2018-Carl Edward Rasmussen 版权所有（C）2015-2018-Hannes Nickisch 如何阅读 如果您想立即开始使用，请阅读下面的第1）节，并直接跳至doc / index.html中的示例。 关于这些计划 matlab程序的此集合实现并演示了在其中描述的一些算法 a）Rasmussen和Williams的书：“高斯机器学习过程”，麻省理工学院出版社，2006年 b）Nickisch和Rasmussen的文章：“二元高斯过程分类的近似”，JMLR 2008 c）Candela和Rasmussen的文章：“稀疏近似高斯过程回归的统一观点”，JMLR，2005年 d）Murray，Adams和Mackay撰写的论文：“椭圆切片采样”，AISTATS 2010 e）Neal的报告：“重要重要性抽样”，多伦多，1998年 f）Naish-Guzman和Holden的论文：“广义FITC近似”，NIPS，2007年

保边滤波器

为求解电晕电流的通用数学模型,利用人工神经网络能以任意精度逼近任意函数的能力,设计了2层BP神经网络,分别对实测的具有双指数函数、Gaussian函数及不规则脉冲形式的电晕电流进行拟合。结果表明,当神经元数目取5~10时,便能对不同类型的电晕电流波形进行高精度拟合,拟合误差量级可达10-4,拟合时间约为2~10 s,通过提取网络的权值、阈值参数可得到电流的解析表达式。该方法得到的电流表达式具有统一的结构,不依赖于电流波形,可作为电晕电流的通用数学模型。

gaussian_elimination 解决线性系统 为了 使用带有部分枢轴的高斯消去法。 句法 x = gaussian_elimination(A,b) 描述 x = gaussian_elimination(A,b)解线性系统 为了 ， 在哪里 和 。 附加文档和示例 有关其他文档和示例，请参见“ DOCUMENTATION.pdf”。