John.Wiley.and.Sons.Concurrency.State.Models.and.Java.Programs.2nd.Edition.Jul.2006.chm拆分为2个文件，这是第一个
2021-11-21 13:33:34
6.96MB
1
从零开始的IMU状态模型推导，包括IMU运动模型，IMU观测和噪声模型，IMU状态估计误差模型。转载。感性原作者。
2021-11-10 21:29:51
2.18MB
1
共同近邻（CNN）聚类
笔记
该项目目前处于Alpha状态。 将来可能会更改实现。 检查示例和文档以获取最新信息。
集群
所述cnnclustering Python包提供了一个灵活的接口聚类算法使用C ommon-Ñearest-Ñeighbours。 虽然该方法可以应用于任意数据，但此实现是在“分子动力学”模拟的处理轨迹背景之前完成的。 在这种情况下，聚类结果可以作为构建核心集马尔可夫状态（cs-MSM）模型的合适基础，以捕获潜在分子过程的基本动力学。 有关用于cs-MSM估计的工具，请参考此单独的。
该软件包提供了一个主要模块：
cnnclustering ：（等级）共同近邻聚类和分析
特征：
灵活：可以对不同输入格式的数据集进行聚类。 易于与外部方法连接。
方便：功能集成，在分子动力学的背景下非常方便。
快速：核心功能使用Cython。
请参考以下论文以获得科学背景（如
2021-11-02 20:15:45
23.49MB
1
马尔可夫状态模型的构建与验证
该存储库显示了一个简单的马尔可夫状态模型的演示。 尽管该项目本身保持相当通用，但这里研究的系统是受生物物理学启发的。
这里涵盖的问题是粒子在双势势中的一维运动，如下所示。
然后将系统分为两个核心状态“左”和“右”：
然后，根据这样定义的状态是否产生有效的马尔可夫状态模型（MSM），对这两个状态的动力学进行了研究。
代码本身包含在这两个文件MSM_simulation.py和plotting_functions.py ，而结果可在jupyter笔记本中可以看出markov_state_model.ipynb 。 笔记本包含一些乳胶方程，在github上打开时无法正确显示。 因此，如果您想浏览整个项目，则最好至少下载jupyter笔记本，以查看正确格式化的所有markdown单元。
2021-09-26 15:58:37
609KB
1
行业分类-物理装置-高精度异步电机系统状态模型的构建方法及异步电机状态检测方法.zip
2021-07-24 09:03:29
1.68MB
从三个方面讲解了IMU状态模型推导：
1. IMU运动模型推导;
2. IMU观测和噪声模型;
3. IMU状态估计误差模型.
非常完整，观测和噪声模型也很受用，对于理解MEMS传感器有非常大的帮助。
2020-01-03 11:17:22
612KB
1