matlab编写二元函数的计算代码二元混合共沸行为 这些是我为2018年的物理化学实验室会议准备的代码，因此我不必使用我的教授提供的VBA，因为我喜欢这样做，因为我刚发现了如何使用暴力手段并想编写算法:) 这两个代码输入了两个组分的一些已知参数，并根据组分组成之一随温度的变化预测了气液平衡。 其中一种代码在没有任何活动系数的情况下进行了计算，因此根本无法预测任何共沸行为（这与实际情况有所不同）。 第二个代码吸收了活度系数，并且正确地吸收了共沸点，尽管仅在质量上（至少目前如此）。 至少对于甲醇和四氯化碳的混合物，我做了实验。 通过阅读报告刷新内存后，我将在自述文件中添加更多内容。 我还将在MATLAB代码中添加注释，以使其更容易理解。 干杯

墨西哥帽子matlab代码神经网络算法 用MATLAB编写的神经网络算法 hebbian.m 该代码采用输入向量，权重，学习常数，并在每个阶段绘制更新后的权重 净额 代码将两个矩阵相乘 BAM_network.m 这个Matlab代码在以5x3的矩阵制作时为英语alphabects训练了双向联想存储网络的权重。 max_net.m 基于竞争的神经网络的具体示例。 可以用作子网来选择输入量最大的节点。 max_hat.m 该matlab代码采用以下参数输入n个输入神经元：->互连区域的半径->具有正互连的区域的半径->恒定c1->恒定c2->外部信号。 该代码对这些输入神经元执行墨西哥帽算法，并执行所需的次数。 hamming_net.m 这些网络可用于查找最接近双极性输入向量x的示例。 索姆 此代码已演示了Kohonen自组织图，也称为拓扑保留图算法。 lvq.m 该代码显示了线性向量量化算法的工作原理。 目前，代码将2类分类。 将对代码进行进一步的改进。 感知器 该代码显示了用于逻辑门的感知器学习算法的实现。 在最初阶段，已实现了“与门”，其输入值和目标输出可在代码中轻松修改。 它采

matlab编写的LSB算法，希望对大家有所帮助

人工智能，多智能体，队形控制研究，（汉……，竟然不能免费分享）大家适量下载

自己写的一个关于哈达玛的matlab程序，互相学习

matlab编写二元函数的计算代码SIGPRO 概要 SIGPRO是一个信号处理功能库，旨在协助听觉研究软件的开发。 当前功能包括随机数生成器，fft，反fft，频率整形（滤波）和采样率转换。 提供了有限的支持来加载和保存MATLAB（版本4）二进制（MAT）文件。 程式码范例 // Butterworth filter sp_butter(b, a, no, wn, ft); // filter coefficients sp_filter(b, nc, a, nc, x, y, np); // impulse response 动机 为C程序提供MATLAB中可用的基本信号处理功能。 安装 从下载repo。 提供了Makefile，用于在Linux，MacOS或MinGW命令行上构建测试程序。 VS9文件夹中提供了一个解决方案文件，用于在Visual Studio下进行构建。 API参考 有关API的说明，请参见《用户手册》中的。 测验 提供了测试程序来演示库中包含的功能的若干功能： tst_afd - test analog-filter design tst_cpx - tes

用matlab编写的中值滤波器，欢迎下载。

进行Lu分解，可以很好的求解方程，尤其对于矩阵维数很大时，可以避免一般的求逆带来的误差。

用Matlab编写杠杆平衡代码OpenSky网络下载 该存储库是外壳脚本和MATLAB代码的集合，用于查询Impala数据库并下载众包的飞机观测数据。 然后可以使用存储库处理下载数据。 接触点 我们鼓励您使用，但是当需要电子邮件时，请通过与管理员联系。 随着遇到模型过渡到更多社区驱动的工作，可能会创建用于代码讨论的单独邮件列表。 命名法 首字母缩写 短语 ADS-B AGL 高于地面 高性能计算 高性能计算 LLSC 苹果电脑 空中碰撞 MSL 平均海平面 介绍 随着无人驾驶飞机系统整合到美国国家空域系统中，低海拔地区正以历史新的方式受到压力。 无人驾驶飞机必须操作以免由于生命和财产损失而造成MAC（空中碰撞）危险。 然后，FAA必须了解并量化在所需的低空无人驾驶操作过程中，UAS与有人驾驶飞机相撞的风险，以便制定法规和标准。 这些风险评估的关键组成部分是飞机飞行的统计模型和特征。 最近的评估是基于来自OpenSky网络的数据，OpenSky网络是一个众包的ADS-B接收器网络，可提供对飞机数据的开放访问。 该网络始于2012年，最初有12个欧洲传感器，现已发展到全球超过一千个有源传感

hmm模型matlab代码Mattia的ML工具 高斯混合模型，隐马尔可夫模型和相关算法的另一个Matlab实现。 为学习而构建，用于下面引用的我的HRI'18论文。 该代码使用了Tom Minka的两个库： 快速安装： 光速： 详细： 高斯混合模型（GMM）：概率，梯度和熵计算 HMM：HMM的推理和学习（MLE，仅针对多元正态发射概率的MAP） 部分HMM（PHMM）：推理和学习（MLE，MAP仅针对多元正态发射概率） 多元正态分布（MVN）：MLE，MAP，后验预测，熵计算，梯度评估 多元T学生分布（MVST）：用于MVN的后验，拉普拉斯近似 分类分布：推理和学习（MLE，MAP） Dirichlet分布：推理和学习（MLE，Weigthed MLE，熵，KL散度） 数值稳定：对数概率空间实现 参考： 拉卡（Racca），马蒂亚（Mattia）和基尔基·维尔（Kyrki Ville）。 “针对时间任务模型的主动机器人学习。” 2018年ACM / IEEE人机交互国际会议论文集，纽约，纽约，美国，2018年，第123–131页。 汤姆敏卡。 “估计Dirichlet分布。” 技术