一种运用迭代技巧改进的基于动量交换的浸没边界-格子Boltzmann方法，胡洋，袁海专，本文提出了一种新的模拟不可压粘性流的浸没边界-格子Boltzman方法（IB-LBM）。在原始的基于动量交换IB-LBM的基础上，通过引入一个迭代校

deep-learning personal practice 深度学习个人练习，该项目实现了深度学习中一些常用的算法，内容包括： 四种初始化方法：zero initialize, random initialize, xavier initialize, he initialize。 深度神经网络 正则化 dropout 三种梯度下降方法：BGD, SGD, mini-batch 六种优化算法：momentum、nesterov momentum、Adagrad、Adadelta、RMSprop、Adam 梯度检验 batch normalization recurrent neural network (RNN) Note: 下列 1-10中网络架构主要为四大块： initialize parameters、forward propagation、backward propagati

人工神经网络 具有反向传播和动量的人工神经网络（不使用角膜和张量流） 楷模 实施步骤 导入必要的库 麻木 matplotlib 球状 cv2 随机的 操作系统 下载并预处理数据集 加载训练和测试数据集 随机训练和测试数据集 调整图像大小并进行归一化 初始化随机权重和偏差 创建字典以存储权重和偏差 将权重和偏差初始化为零以进行反向传播 修复所有超参数 学习率 纪元数 层数 每层的单位数 动量（

Coherently demodulated orbital angular momentum shift keying system using a CNN-based image identifier as demodulator

ADS版图优化仿真手册，讲解了ADS从原理图到版图转换过程，并说明了如何在版图中队结构进行优化

matlab马科维茨代码动量交易优化 财务优化建模的最终项目 在这个项目中，我们结合了简单的动量交易策略和Markovitz投资组合优化。 在确定多头/空头股票清单之后的每个重新平衡日，我们将此股票清单放入markovitz ooptimzation算法中。 为了使我们的策略更加稳健，我们测试了用于简单动量交易的参数以及用于投资组合优化的适当预期收益和协方差矩阵。 要查看源pdf，请点击链接： 代码文件夹包含我们在项目中使用的所有代码依赖项 主要文件： 长短 它是进行所有回测的主要matlab文件，其中包括零融资投资组合再平衡算法。 选择参数和时间段进行回溯测试，回报投资组合绩效和累积回报图。 单位 依赖文件包含要插入markvovitz算法中的用于计算不同的预期收益和协方差矩阵的算法。 cvx_markowitz.m 这是用于我们投资组合优化的markovitz算法 数据文件： ffdata_m.mat和ffdata_d.mat 法玛法国因素数据，每月和每天 p2data.mat 包含库存数据，302个库存，每月数据和每日数据 stocklist.txt 符合我们要求的公司列表。

二摘代码MATLAB 提取二维流中动量和涡度传输的客观物质壁垒 执照 该软件已公开，仅供研究使用。 可以根据GNU通用公共许可证的条款对其进行修改和重新分发。 算法 当前的脚本实现了苏黎世联邦理工学院Haller集团开发的理论结果。 更具体地说，此处提供的代码演示了在二维衰减湍流模拟中对动量和涡度传输的客观物质壁垒的计算和提取，如[1]中所述。 参考 [1] G. Haller，S。Katsanoulis，M。Holzner，B。Frohnapfel和D. Gatti，阻碍动量和涡度传递的客观物质障碍。 已提交（2020） 安装注意事项 将文件解压缩到mydir后，将Matlab中的Current Directory放入mydir 从以下位置下载二维拉动数据集（文件夹“ Data”中的速度和涡度字段）和平移轨迹（“ particles1100.mat”）以进行拉格朗日计算，并将其保存到mydir。 整个数据集的总大小约为10GB。 为了比较传统的FTLE / PRA和aFTLE / aPRA，依次在“ aFTLE-aPRA计算”文件夹中的脚本的每个部分运行。 为了提取动量和涡度传输的物

pybem Blade Element Momentum风力涡轮机空气动力学的Python实现

动量策略 该代码将生成一个Excel，以显示标准普尔500指数前50名股票的百分比得分。每只股票的权重均等，但是，它们的确有“高质量动量”股票的百分比。

全身控制器：基于Simulink的人形机器人全身控制器