TreeGen.js 这是一个新的革命性树生成库，它使用复杂的分形数学，使用THREE.js和TWEEN.js在WebGL中创建逼真的树。 该库非常简单，不需要文档。

Poisson-Lie对G / H对称空间sigma模型相对于简单Lie组G的η变形进行对偶化，从而推测出相关λ变形模型的解析连续性。 在本文中，我们研究了何时可以将η变形模型相对于G的子组G0进行对偶化。从对复杂化组的一阶作用开始，并整合与不同子代数相关的自由度，我们发现有可能 当G0关联到子Dynkin图时进行对偶。 也可以包括由其余的Cartan发电机生成的其他U1因子。 最终的构造在单个框架中统一了关于G的Poisson-Lie对偶和η变形的完全阿贝尔对偶，并且在两种情况下都采用了单模积分的代数。 我们推测将这些结果扩展到路径积分形式可以为为什么η形变的AdS5×S5超弦不是单环Weyl不变提供一个解释，也就是说，联轴器不能解决IIB型超重力方程，但其完全阿贝尔方程 对偶和λ变形模型。

matlab，强化学习MPC模型预测控制算法 基于强化学习+MPC模型预测控制算法的车辆变道轨迹跟踪控制MATLAB仿真 使用matlab2021a或者更高版本运行！！！！

通过考虑与速率常数参数和动力学模型结构误差相关的不确定性，在该研究中使用贝叶斯推断来评估α-pine烯的热异构化速率同意的后验分布。 α-pine烯的热异构化动力学模型显示具有数学上不适的系统，这使得难以应用基于梯度的优化方法进行速率常数评估。 贝叶斯推断将速率常数的后验概率分布与满足实验测量浓度的反应产物模型浓度和参数的先验概率分布的似然概率相关联。 马尔可夫链蒙特卡洛（MCMC）用于从后验分布中抽取样本，同时考虑贝叶斯推断关系。 本研究应用多项式随机游走Metropolis-Hastings来构建速率常数，置信区间和相关系数矩阵的直方图。 结果表明，考虑到不确定性，贝叶斯方法可以成功地应用于估计反应模型速率常数的置信区间。

海鸥算法(SOA)优化随机森林的数据回归预测,SOA-RF回归预测，多变量输入模型。 评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。

针对超硬刀具PCBN(聚晶氮化硼)对难加工材料的车削加工过程建立数学模型;运用MATLAB软件中的遗传算法工具箱对切削参数进行优化;利用Mastercam软件对刀具加工时的路径进行优化,从而在理论和加工过程中实现了切削参数的优化。研究结果表明,当切削速度v=120.143 m/min,进给量f=0.154 mm/r时,经权重处理后的目标函数取得最小值;有效避免了加工过程出现刀具空走刀或撞刀等路径问题。

我们扩展了先前的工作（在D = 2上），以给出D = 4和D = 6尺寸的ΦD3大N矩阵模型（或重新归一化的Kontsevich模型）的精确解。 与D = 2相比，归纳证明和困难的组合没有变化，但是根据Zimmermann执行的重归一化要涉及得多。 作为主要结果，我们证明了由ΦD3-QFT模型在Moyal空间上产生的Schwinger 2点函数满足实际耦合常数，D = 4和D = 6维度上的反射正性。 关联的Wightman 2点函数的Källén-Lehmann质谱描述了一个散射部分| p |2≥2μ2和一个孤立的加宽的质量壳| p | 2 =μ2。

特别详细，而且里面的操作教程是傻瓜文件，每一段在做什么都有解释，输出结果图片很详细，需要自己手动改的窗口期教程里也有详细讲，没基础也能直接上手!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 我自己试过很好用!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!

麻雀算法(SSA)优化最小二乘支持向量机分类预测，SSA-LSSVM分类预测，多输入单输出模型。 多特征输入单输出的二分类及多分类模型。程序内注释详细，直接替换数据就可以用。 程序语言为matlab，程序可出分类效果图，迭代优化图，混淆矩阵图。

麻雀算法(SSA)优化混合核极限学习机(HKELM)分类预测，多特征输入模型，SSA-HKELM分类预测。 多特征输入单输出的二分类及多分类模型。程序内注释详细，直接替换数据就可以用。 程序语言为matlab，程序可出分类效果图，迭代优化图，混淆矩阵图。