利用蒙特卡洛计算结构可靠度，文中的变量为非正态。

在传统怀特池的基本原理上，采用高斯光学分析方法推导出了多次反射怀特池的总光程和光斑分布的数学公式

java实现甘特图的2种方法SwiftGantt和Jfree

去噪声代码matlab 帕楚纳特 PATCHUNET：一种完全无监督且高度通用的深度学习方法，用于随机噪声抑制，地球物理勘探，2020年。 我们开发了一种深度学习算法（PATCHUNET），以抑制随机噪声并保留相干地震信号。 输入数据分为几个补丁，每个补丁都经过编码以提取有意义的特征。 此后，对提取的特征进行解压缩以检索地震信号。 编码器和解码器部分之间使用跳过连接，使PATCHUNET可以提取高阶特征而不会丢失重要信息。 此外，辍学层用作正则化层。 丢失层保留了属于地震信号的最有意义的特征，并丢弃了其余的特征。 PATCHUNET是一种不受监督的方法，不需要有关干净信号的先验信息。 输入色块分为80％用于训练和20％用于测试。 但是，有趣的是发现PATCHUNET可以仅使用30％的输入色块进行训练，并具有有效的降噪性能。 我们基于先验深度图像的思想，开发了一种完全无监督的深度学习方法（PATCHUNET），以抑制随机噪声。 首先，利用修补技术将输入的噪声数据分为几个补丁，以进行训练和测试。 此后，对每个补丁进行编码以提取有意义的特征，从而使解码器部分可以检索纯净信号并消除随机噪声。

完整代码，可直接运行

压力管道安装竣工特检所版式.pdf

压力管道安装竣工特检所版式精选.pdf

二维遗传算法matlab代码使用DREAM软件包的马尔可夫链蒙特卡罗仿真-MATLAB实现 艾哈迈德·埃尔斯哈尔（Ahmed Elshall）博士在夏威夷大学马诺阿分校进行研究的代码 DREAM，其中包含过去和斯诺克更新的样本：DREAM_ZS 本文介绍的代码是马尔可夫链蒙特卡罗算法，该算法并行运行多个链以进行有效的后验。 名为DREAM_（ZS）的算法基于原始的DREAM采样方案，但是使用来自过去状态的档案库中的采样来在每个单独的链中生成候选点。 Vrugt等人已经提出了DREAM_（ZS）的理论和数值示例。 （2009）。 详细信息也可以在Ter Braak和Vrugt（2008）中找到。 从过去进行采样具有三个主要优点： （1）避免了使用N = d进行后探的要求。 这将加速收敛到有限的分布，特别是对于高维问题（大d）。 （2）离群链不需要明确考虑。 通过采样历史状态，异常轨迹可以在仿真期间的任何时间直接跳到模态区域。 因此，用DREAM_（ZS）模拟的N条路径在链中的每个单步台阶上都保持了详细的平衡。 （3）定义每个链中跳转的过渡内核不需要有关链当前状态的信息。 这在可以同时生成

IDEA 主题主题莫烦Python的主题 特好用 简介明了 清晰 护眼 适用于Pycharm 和 IDEA 等IDE

基于EXCEL的蒙特卡罗模拟方法实现中文电子书