Python中的开源，隐式3D结构地质建模。 概述 是一个基于Python的开源库。 基于潜在的强大隐式表示方法，它能够构建折叠结构，断层网络和不整合面的复杂3D地质模型。 安装 我们通过PyPi软件包服务提供了GemPy的最新发行版。 我们强烈建议您使用PyPi， $ pip install gempy 因为它将自动安装所有必需的依赖项-在Windows中需要额外一步。 Windows没有预安装gcc编译器。 获得与theano兼容的编译器的最简单方法是使用theano conda安装。 因此，该过程将如下所示： $ conda install theano $ pip install gempy 有关更多信息，请参阅。 资源 安装后，您可以查看笔记本教程或视频介绍以开始使用。 请访问文档站点以获取更多信息，并享受教程和示例。 如有疑问和支持，请使用讨论。 如果您发现错

OpenCossan是一个基于Matlab的不确定性量化和管理工具箱。 OpenCossan is a Matlab-based toolbox for uncertainty quantification and management. 实现的框架包括第三方软件集成（如ANSYS）、高效的数值算法（如线性采样）和用于高性能计算的并行化。

基于OpenCL的高阶马尔科夫随机场图像去噪的快速实现

采用MATLAB软件实现蒙特卡罗随机掷点法积分，需要的同学可以下载参考，希望对同学们有用，蒙特卡罗的实现方法有很多，我这个是比较简单的随机掷点法

多频信号的自适应随机共振检测方法

基于傅立叶变换的频移特性，探讨双稳态系统中的高频随机共振现象．仿真结果表明，将输入信号的大频率移动到一个小频率后，双稳态系统的输出功率谱在此频率处的值得到明显增强．在一个较大的频率范围内检测强噪声背景下的弱信号的能力大大增强．

#Reduced-Rank Randomized SVD 包 (RRSVD-Package) 此存储库包含论文“Fast Time-Evolving Block-Decimation algorithm through Reduced-Rank Radomized Singular Value Decomposition”中描述的方法的实现 介绍 mxn 矩阵A的奇异值分解的计算复杂度为O (mn^2)。 因此，对于大型矩阵，SVD 可能需要大量时间。 在许多情况下，不需要完整的 SVD：实际上只需要最大的奇异值（以及相应的左奇异向量和右奇异向量）。 通过使用截断的 SVD方法，可以避免A的完整SVD，只计算前k 个奇异值和相应的奇异向量； 这些方法是数据分类算法、信号处理和其他研究领域的标准工具。 Implicitly Restarted Arnoldi Method 和 Lanczos

import numpy as np import pandas as pd import rrcf # Set parameters np.random.seed(0) n = 2010 d = 3 num_trees = 100 tree_size = 256 # Generate data X = np.zeros((n, d)) X[:1000,0] = 5 X[1000:2000,0] = -5 X += 0.01*np.random.randn(*X.shape) # Construct forest forest = [] while len(forest) < num_trees: # Select random subsets of points uniformly from point set ixs = np.random.choice(n, size=(n // tree_size, tree_size), replace=False) # Add sampled trees t

RRT（快速探索随机树） 是一种通用的方法，不管什么机器人类型、不管自由度是多少、不管约束有多复杂都能用。而且它的原理很简单，这是它在机器人领域流行的主要原因之一。不过它的缺点也很明显，它得到的路径一般质量都不是很好，例如可能包含棱角，不够光滑，通常也远离最优路径。

产生任意均值和标准偏差的正态分布的随机噪声.