搜索资源列表
蒙特卡罗方法解粒子输运问题
- 蒙特卡罗方法又称随机抽样技巧或统计试验方法。半个多世纪以来，由于科学技术的发展和电子计算机的发明 ，这种方法作为一种独立的方法被提出来，并首先在核武器的试验与研制中得到了应用。蒙特卡罗方法是一种计算方法，但与一般数值计算方法有很大区别。它是以概率统计理论为基础的一种方法。由于蒙特卡罗方法能够比较逼真地描述事物的特点及物理实验过程，解决一些数值方法难以解决的问题，因而该方法的应用领域日趋广泛。 -Monte Carlo method
matlab_queue_system
- 自己写的用Matlab模拟一个缓冲区大小（包括正在服务的那个）为10的随机排队系统。 （1）到达过程是的泊松过程（到达速率为Mu），服务时间服从独立指数分布（均值为1/Lamda）。 对Mu//Lamda=0.2，Mu//Lamda=0.8和Mu//Lamda=1.1三种情况进行仿真，求出队列中接受服务用户为n的概率P(n), n=0,...,10。并与理论结果进行比较。 （2）假设到达过程为均匀过程（到达速率为Mu），服务
SC-DSC
- 数字通信系统的设计及其性能和所传输的数字信号的统计特性有关。所谓 加扰技术，就是不增加多余度而扰乱信号，改变数字信号的统计特性，使其近 似于白噪声统计特性的一种技术。这种技术的基础是建立在反馈移位寄存器序 列（伪随机序列）理论之上的。解扰是加扰的逆过程，恢复原始的数字信号。 如果数字信号具有周期性，则信号频谱为离散的谱线，由于电路的非线 性，在多路通信系统中，这些谱线对相邻信道的信号造成串扰。而短周期信号 经过扰码器后，周期序列变长，谱
蒙特卡罗方法解粒子输运问题
- 蒙特卡罗方法又称随机抽样技巧或统计试验方法。半个多世纪以来，由于科学技术的发展和电子计算机的发明 ，这种方法作为一种独立的方法被提出来，并首先在核武器的试验与研制中得到了应用。蒙特卡罗方法是一种计算方法，但与一般数值计算方法有很大区别。它是以概率统计理论为基础的一种方法。由于蒙特卡罗方法能够比较逼真地描述事物的特点及物理实验过程，解决一些数值方法难以解决的问题，因而该方法的应用领域日趋广泛。 -Monte Carlo method
matlab_queue_system
- 自己写的用Matlab模拟一个缓冲区大小（包括正在服务的那个）为10的随机排队系统。 （1）到达过程是的泊松过程（到达速率为Mu），服务时间服从独立指数分布（均值为1/Lamda）。 对Mu//Lamda=0.2，Mu//Lamda=0.8和Mu//Lamda=1.1三种情况进行仿真，求出队列中接受服务用户为n的概率P(n), n=0,...,10。并与理论结果进行比较。 （2）假设到达过程为均匀过程（到达速率为Mu），服务
SC-DSC
- 数字通信系统的设计及其性能和所传输的数字信号的统计特性有关。所谓 加扰技术，就是不增加多余度而扰乱信号，改变数字信号的统计特性，使其近 似于白噪声统计特性的一种技术。这种技术的基础是建立在反馈移位寄存器序 列（伪随机序列）理论之上的。解扰是加扰的逆过程，恢复原始的数字信号。 如果数字信号具有周期性，则信号频谱为离散的谱线，由于电路的非线 性，在多路通信系统中，这些谱线对相邻信道的信号造成串扰。而短周期信号 经过扰码器后，周期序列变长，谱
random_wind_trajectory_simulation
- 利用纵风作用下随机弹道系统成形滤波器,把成形滤波器的微分方程与外弹道角运动方程及质点弹道方程联立,便构成为易于求解的完整的外弹道随机动力学模型。在具体的数字仿真实施过程中,采用尾翼延时张开技术来减小散布的措施,利用经典的统计试验法——蒙特卡洛法得出了不同平均风速下的火箭弹角散布与尾翼延张时间的关系的仿真曲线。 仿真结果表明,有色噪声的白化是完全可行,同时也从实例中证明了成形滤波器理论的正确性 也得到在一定风速下的最佳尾翼延张时间。
11
- 进程控制用PCB表示整个进程实体，利用随机数方法或键盘控制方法模拟进程执行中产生的事件。或者利用鼠标或者键盘中断的基于图形接口方式的进程控制管理。 具体过程： 1、 定义PCB（可以采用静态结构或动态结构）：包括理论PCB中的基本内容，如内部ID、外部ID、进程状态、队列指针。由于无法实现真正的进程创建功能，在实验中只需建立PCB，用它代表完整的进程。 2、 定义进程状态转换方式：进程的状态转换是由进程内部操作或操作系统的控
2paper2
- 根据图像数字水印基本原理和水印信道的构造及生成方式，从信息论的角度，对基于高斯噪声信道的数字水印容量进行探索。针对高斯信源分布具有最大的不确定性、能够在所有的二阶随机分布中提供最大信息熵的特点，分析在高斯分布情况下的整个水印信道通信过程，并引入平均互信息理论，给出基于高斯的水印信道容量的最大通信速率。同时分析加性噪声信道下的容量问题，将高斯分布扩展到非高斯分布，优化容量计算表达式，利用Matlab软件工具给出非高斯信源水印容量与受限失真
1
- 基于遗传算法的PID算法参数研究 以自然选择和基因遗传理论为基础,将生物进化过程中的适者生存规则与群体内部染色体的随机信息交换机制相结合,在问题解空间内进行全局并行、随机的搜索,其结果是向全局最优方向收敛.GA 模仿生物进化的步骤,引入繁殖,交叉,变异等算子. 繁殖是在父母代种群中将适应度较高的个体选择出来,根据适者生存原理,淘汰适应度较低的个体,以优化种群 交叉是从种群中随机地抽取一对个体,并随机地选择一位交叉位进行交叉,生成新样本,
rw4r23er
- 以自然选择和基因遗传理论为基础,将生物进化过程中的适者生存规则与群体内部染色体的随机信息交换机制相结合,在问题解空间内进行全局并行、随机的搜索,其结果是向全局最优方向收敛.GA 模仿生物进化的步骤,引入繁殖,交叉,变异等算子. 繁殖是在父母代种群中将适应度较高的个体选择出来,根据适者生存原理,淘汰适应度较低的个体,以优化种群 交叉是从种群中随机地抽取一对个体,并随机地选择一位交叉位进行交叉,生成新样本,达到增大搜索空间的目的 变异是模
34523-
- 以自然选择和基因遗传理论为基础,将生物进化过程中的适者生存规则与群体内部染色体的随机信息交换机制相结合,在问题解空间内进行全局并行、随机的搜索,其结果是向全局最优方向收敛.GA 模仿生物进化的步骤,引入繁殖,交叉,变异等算子. 繁殖是在父母代种群中将适应度较高的个体选择出来,根据适者生存原理,淘汰适应度较低的个体,以优化种群 交叉是从种群中随机地抽取一对个体,并随机地选择一位交叉位进行交叉,生成新样本,达到增大搜索空间的目的 变异是模
5436546
- 以自然选择和基因遗传理论为基础,将生物进化过程中的适者生存规则与群体内部染色体的随机信息交换机制相结合,在问题解空间内进行全局并行、随机的搜索,其结果是向全局最优方向收敛.GA 模仿生物进化的步骤,引入繁殖,交叉,变异等算子. 繁殖是在父母代种群中将适应度较高的个体选择出来,根据适者生存原理,淘汰适应度较低的个体,以优化种群 交叉是从种群中随机地抽取一对个体,并随机地选择一位交叉位进行交叉,生成新样本,达到增大搜索空间的目的 变异是模
6756745
- 以自然选择和基因遗传理论为基础,将生物进化过程中的适者生存规则与群体内部染色体的随机信息交换机制相结合,在问题解空间内进行全局并行、随机的搜索,其结果是向全局最优方向收敛.GA 模仿生物进化的步骤,引入繁殖,交叉,变异等算子. 繁殖是在父母代种群中将适应度较高的个体选择出来,根据适者生存原理,淘汰适应度较低的个体,以优化种群 交叉是从种群中随机地抽取一对个体,并随机地选择一位交叉位进行交叉,生成新样本,达到增大搜索空间的目的 变异是模
MM1
- 排队论MM1代码 计算机网络排队论模型 排队论(Queuing Theory) ，是研究系统随机聚散现象和随机服务系统工作过程的数学理论和方法，又称随机服务系统理论，为运筹学的一个分支。-Queuing theory MM1 code
9
- 灰色理论认为系统的行为现象尽管是朦胧的，数据是复杂的。灰色理论建立的是生成数据模型，不是原始数据模型。所谓灰色系统是介于白色系统和黑箱系统之间的过渡系统，其具体的含义是：如果某一系统的全部信息已知为白色系统，全部信息未知为黑箱系统，部分信息已知，部分信息未知，那么这一系统就是灰色系统。一般地说，社会系统、经济系统、生态系统都是灰色系统。例如物价系统，导致物价上涨的因素很多，但已知的却不多，因此对物价这一灰色系统的预测可以用灰色预测方法。
mdtuzxkm
- D-S证据理论数据融合，实现了对10个数字音的识别，相关分析过程的matlab方法，能量熵的计算，快速扩展随机生成树算法。- D-S evidence theory data fusion, To achieve the recognition of 10 digital sound, Correlation analysis process matlab method, Energy entropy calculation, Rapi
bweqrmdv
- 相关分析过程的matlab方法，随机调制信号下的模拟ppm，调试通过可以使用，利用自然梯度算法，结合PCA的尺度不变特征变换(SIFT)算法，处理信号的时频分析，D-S证据理论数据融合，可实现对二维数据的聚类。- Correlation analysis process matlab method, Random ppm modulated analog signal under Debugging can be used, Use o
ReinforcementLearning
- 马尔卡夫决策过程理论定义了一个数学模型，可用于随机动态系统的最优决策过程。 强化学习利用这个数学模型将一个现实中的问题变成一个数学问题。 强化学习就是：追求最大回报G 追求最大回报G就是：找到最优的策略π?。 策略π?告诉在状态s，应该执行什么行动a。 最优策略可以由最优价值方法v?(s)或者q?(s,a)决定(The Markov decision process theory defines a mathematical
duffing
- Duffing方程是描述共振现象、调和振动、次调和振动、拟周期振动、概周期振动、奇异吸引子和混沌现象(或随机过程)的简单数学模型。因此，在非线性振动理论中研究，Duffing方程具有重要的意义。(duffing equation slove procedure)