MATLAB的编程与应用，匿名函数、嵌套函数、蒙特卡洛法的掌握与使用

news2025/10/31 18:45:38

目录

1.匿名函数

1.1.匿名函数的定义与分类

1.2.匿名函数在积分和优化中应用

2.嵌套函数

2.1.嵌套函数的定义与分类

2.2.嵌套函数彼此调用关系

2.3.嵌套函数在积分和微分中应用

3.微分和积分

4.蒙特卡洛法

4.1.圆周率的模拟

4.2.计算N重积分（均匀分布）

4.3.计算N重积分（等序列分布）

1.匿名函数

1.1.匿名函数的定义与分类

匿名函数（Anonymous function）

定义：f = @(X)expr

x为指定的函数的自变量，Expr为具体的函数表达式。

f = @(x) x.^2;
ff = f(1:10)
ff =
1 4 9 16 25 36 49 64 81 100
g = @(x,y) x.^2 + y.^2;
gg = g(1:4,2:5)
gg =
5 13 25 41

单变量匿名函数

定义：f =@(x) expr

  1. x为指定函数的自变量，Expr为具体的函数表达式

f = @(x) x.^2

  1. 含有参数的匿名函数，当参数已知的时候

a = 10, b = 20;
f = @(x) a*x.^2+b;
f(1:5)
ans =
​
    30    60   110   180   270

  1. 多变量匿名函数

g = @(x,y) x.^2+y.^2;
% 含有参数的匿名函数，当参数已知的时候
a = 1,b = 2;
f = @(x,y) a*x.^2+b*y;
f(1:5,2:6)
ans =
​
     5    10    17    26    37

多重匿名函数

只有一个@符号的为单重匿名函数；有多个@符号的为二重、多重匿名函数，在参数传递方面非常方便。例：简单的二重匿名函数

f = @(a,b) @(x) a*x.^2+b*x+2;
f(2,3)
ans = @(x) a*x.^2+b*x+2
ans(3)
ans = 29

这个段代码有一点问题，运行结果是17

改成下面的代码才是正确的输出：29

​

多重匿名函数

f = @(a) a(b,c) @(x) a*x.^2+b*x+c;

匿名函数在解方程中的应用

匿名函数可以非常方便地表达所求方程，并提供fzero等函数调用。例1：求下列方程的根

uTools_1697631535815

f = @(x) exp(x) + x.^2 + x.^(sqrt(x)) - 100;
x0 = fzero(f,3)
x0 =
 4.1635
f(x0)
ans =
 2.8422e-14

匿名函数在解方程中的应用

不同参数一一求解对应方程的根时，调用arrayfun函数。例1续：a = [0, 0.01, 0.02, ...., 2]求下列方程相应的根，画出a和相应的x的图像。

f = @(a) @(x) exp(x) + x^a + x^(sqrt(x)) - 100;
aa = 1:0.01:2;
y = arrayfun(@(a) fzero(f(a), 4), aa);
​
%运用arrayfun函数批量处理
​
plot(aa, y)
xlabel('$a$','interpreter','latex','fontsize',15)
ylabel('$x$','interpreter','latex','fontsize',15)
​
title('$e^x+x^a+x^{\sqrt{x}}=100$','interpreter','latex','fontsize',15)

uTools_1697632474217

匿名函数在表示隐函数方面的应用

隐函数一般无数学上的显式表示，运用matlab，对自变量x运用数值解给出因变量y。

例1：显式表示下列y关于x的隐函数

uTools_1697632645086

y = @(x) fzero(@(y)(exp(y)+x^y)^(1/y)-x^2*y,1);
y(1)
ans =
    2.7779

希望接受向量形式的输入，结合arrayfun函数

y = @(x) arrayfun(@(xx)fzero(@(y)(exp(y)+xx^y)^(1/y)-xx^2*y,1),x);
y(1:5)
ans =
    2.7779    1.1055    0.7759    0.6284    0.5425

例2：显式表示Z关于x，y的函数

uTools_1697634156004

接受向量形式的输入，结合arrayfun、fzero函数

z = @(x,y) fzero(@(z)z-sin((z*x-0.5*)^2+2*x*y^2-z/10)*exp(-((x-0.5-exp(-y+z))^2+y^2-z/5+3)),rand);
[X,Y] = meshgrid(-1:0.1:7,-2:0.1:2);
Z = arrayfun(@(x,y) z(x,y), X, Y)
surf(X, Y, Z)
​
%坐标轴和函数标题
xlabel('$x$','interpreter','latex','fontsize',15)
ylabel('$y$','interpreter','latex','fontsize',15)
zlabel('$z$','interpreter','latex','fontszie',15)
​
title('$z=\sin((zs-0.5)^2+zxy^2-z/10)\exp(-((x-0.5-\exp(-y+z))^2+y^2-z/5+3))$','interpreter','latex','fontsize',15)

uTools_1697635229411

1.2.匿名函数在积分和优化中应用

匿名函数在求积分区域中的应用

在对称区间积分，求积分区间[-t,t]，使得

uTools_1697635327807

z=fzero(@(u) 0.99*pi/2-quadl(@(x)sin(x).^2./x.^2, 0, u), 1)
z =
   32.3138

匿名函数在数值积分中的应用

求下列函数的三阶导数在区间[0,1]上的图像

uTools_1697635579907

syms x;
f=(x+tan(x))^sin(x);
c=diff(f,3);
t=0:0.01:1;
f3=eval(['@(x)' vectorize(c)]);
plot(t,f3(t))
xlabel('x')
ylabel('y')
title('(x+tan(x))^{sin(x)}三阶导数图像')

三节导函数的图像

uTools_1697636074867

x=0:0.01:1;
y=(x+tan(x)).^sin(x);
plot(x,y)
title('(x+tan(x))^{sin(x)}函数图像')

函数图像

uTools_1697636215608

2.嵌套函数

2.1.嵌套函数的定义与分类

嵌套函数nested-function

嵌套函数的优点

  1. 可以方便解决变量共享问题；

  2. 复杂的表达式中涉及的参数传递；

  3. 编写GUI（图形用户界面）时，参数传递问题。

嵌套在函数体内部的函数，嵌套函数可以方便的实现变量共享，可以出现在函数体内部任意位置，除if/else，while,switch等结构语句中。嵌套函数在尾末必须加上end。

例1：嵌套函数简单应用（内外变量共享)

function r = MyTestNestedFun(input)
a = 5;
c = sin(input)+tan(input);
function y = nestedfun(b)
y = a*c+b;
end
r = nestedfun(5);
end

例2：嵌套函数的变量作用域（内部调用外部）

function r = NestedFunctionVarScopeDemo(a)
b = a+1;
    function Nested1
        c = b+1;
        function Nested11
            d = c+a;
        end
        Nested11;
    end
Nested1

例3：嵌套函数的变量作用域2（未调用时不运行）

function r = NestedFunctionVarScopeDemo2(a)
b = a+1;
    function Nested1
        c = b+1
        function Nested11
            d = c+a;
        end
    end
Nested1
e = c1
r = d;
end

例4：嵌套函数的变量作用域3（无嵌套关系，不能共享）

function r = NestedFunctionVarScopeDemo3(a)
b = a+1;
    function Nested1
        c = b+1;
        c1 = 10;
        Nested2;
        c2 = d^2; %这一步有问题
    end
Nested1
r = c2
end

2.2.嵌套函数彼此调用关系

例5：父函数与子函数（父调用子，不能调用孙）

function r = NestedFunctionCallDemo1(a)
b = a+1;
    function c1 = Nested1(x)
        c = b+1;
        c1 = 10+c*x;
        function d = Nested11
            d = c+a;
        end
    end
c1 = Nested1(1);
r = Nested11;
end

例6：父函数与子函数（子调用父，孙调用爷）

function NestedFunctionCallDemo2(flag)
switch flag
    case 1
        disp('flag = 1')
        return;
    case 2
        disp('flag = 2')
        return;
    case 3
        disp('flag = 3')
        return
    otherwise
        disp(['flag = ', num2str(flag)]);
        return
    end
​
function NestedFunctionCallDemo2(flag)
    % 续
    function NestedFun1
        NestedFunctionCallDemo2(1);%子调用父;
        NestedFun2
        function NestedFun2
            NestedFunctionCallDemo2(3);%孙调用爷;
        end
    end
end

例7：父函数与子函数（子调用叔父）

function NestedFunctionCallDemo3
Nested1(5)
    function Nested1(x)
        disp(['Nested1执行，输入：', num2str(x)])
        Nested2(6)
        function Nested11(xx)
            disp(['Nested11执行，输入：',num2str(xx)]);
        end
    end
    
    function Nested2(y)
        disp(['Nested2执行，输入：',num2str(y)])
        function Nested22(yy)
            disp(['Nested22执行，输入：',num2str(yy)]);
        end
    end
end

例8：父函数与子函数（孙调用大爷，不能用堂伯堂哥）

function NestedFunctionCallDemo4
Nested1(5)
    function Nested1(x)
        disp(['Nested1执行，输入：', num2str(x)])
        Nested11(6)
        function Nested11(xx)
            disp(['Nested11执行，输入：',num2str(xx)]);
            Nested2(pi)
            Nested22(10);
        end
    end
    function Nested2(y)
        disp(['Nested2执行，输入：', num2str(y)])
        Nested22(pi*pi)
        function Nested22(yy)
            disp(['Nested22执行，输入：',num2str(yy)]);
        end
    end
end

父函数与子函数：

嵌套：父亲，儿子，孙子

不同嵌套：亲属关系

父子互助，不能求孙

子可求父、伯、大爷、爷，不能求侄儿

2.3.嵌套函数在积分和微分中应用

例1：求积分，已知a，e和l，求\beta_0?

uTools_1697885885102

function sol = example541(a,e,l)
    function fun(beta)
        f  =a.*(1-e.^2)./(1-e.^2.*sin(beta).^2).^(3/2);
    end
    
    function g = fun(beta0)
        g = quadl(@fun1,0,beta0)-1;
    end
    
sol = fzero(@fun2,3);
end
sol = example541(20,0.6,6)

例2：

uTools_1697902867497

function m = Findm
w = [pi/2, pi, pi*1.5]
N = [pi/2-1, -2, -1.5*pi-1];
function y = ObjecFun(m)
    y = (quadl(@(t) t.^m.*cos(t), 0, w(1))^2 + (quadl(@(t).^m.*cos(t), 0, w(2))^2 + (quadl(@(t).^m.*cos(t), 0, w(3))^2;
end
m = fminbnd(@ObjecFun, 0, 2);
end
​
% 第二段代码
function m = Findm
w = [pi/2, pi, pi*1.5];
N = [pi/2-1, -2, -1.5*pi-1];
function y = ObjecFun(m)
s = @(w)arrayfun(@(ww) quadl(@(t) t.^m.*cos(t), t, ww), w);
y = sum((s(w)-N).^2);
end
m = fminbnd(@ ObjecFun, 0, 2);
end

例3：求微分方程在[0, 5]范围的解，a为参数

uTools_1697905917640

function example545(a)
tspan = [0,5]; % 变量求解区间
y0 = [1,0]; % 初值
[t,y] = ode45(@tfys, tspan, y0); % 调用ode45求解方程
figure;
plot(t, y(:,1),'k'); %画函数y(t)的曲线
hold on;
plot(t,(:,2), 'k:'); %画函数y(t)导数的曲线
set(gca,'fontsize',12); % 设置当前坐标轴字体大小
xlabel('\itt','fontsize',16); %标注x轴
ylabel('\ity','fontsize',16); %标注y轴
​

uTools_1697906579569

function example545(a)
%嵌套函数定义微分方程组
    function dy = tfys(t,y)
        dy(1,1) = y(2); %对应于例子中方程组第一个方程
        dy(2,1) = 3*sin(a*t)-4*y(1);%对应于例子中方程组第二个方程
    end
end

3.微分和积分

敬请期待

4.蒙特卡洛法

4.1.圆周率的模拟

例1：蒲丰投针问题

18世纪，蒲丰提出以下问题：设我们有一个以平行且等距木纹铺成的地板（如图），现在随意抛一支长度比木纹之间距离 小的针，求针和其中一条木纹相交的概率。并以此概率，布丰提出的一种计算圆周率的方法——随机投针法。这就是蒲丰投针问题（又译“布丰投针问题”）

uTools_1698164362920

证明：由于向桌面投针是随机的，所以用二维随机变量（X,Y）来确定它在桌上的具体位置。设X表示针的中点到平行线的的距离，Y表示针与平行线的夹角，如果x<l/2sin(y)时，针与直线相交。

1698421266060

并且X在服从均匀分布，Y在服从均匀分布，XY相互独立，由此可以写出（X，Y）的概率密度函数

1698421308929

因此所求概率

1698421340451

Monte Carlo方法是计算机模拟的基础，它的名字来源于世界著名的赌城——摩纳哥的蒙特卡洛， 其历史起源于 1777 年法国科学家蒲丰提出的一种计算圆周π 的方法——随机投针法，即著名的蒲丰投针问题。

Monte Carlo方法的基本思想是首先建立一个概率模型，使所求问题的解正好是该模型的参数或其他有关的特征量． 然后通过模拟一统计试验， 即多次随机抽样试验 （确定 m和 n） ，统计出某事件发生的百分比。只要试验次数很大，该百分比便近似于事件发生的概率．这实际上就是概率的统计定义。利用建立的概率模型，求出要估计的参数。蒙特卡洛方法属于试验数学的一个分支。

MATLAB语言编程实现：1）

l = 1; a = 2;n = 10000;m = 0;
for k = l : n
x = unifrnd(0, a/2); y = unifrnd(0, pi/2);
    if x < l/2*sin(y)
        m=m+1;
    end
end
p=m/n;pi_m=1/p
pi_m=3.2584

2)

l=1;a=2;n=10000;m=0;
x=unifrnd(0,a/2,1,n);
y=unifrnd(0,pi/2,1,n);
[gs,wz]=find(x<l/2*sin(y));
m=sum(gs);
p=m/n;pi_m=1/p
pi_m=3.1636

4.2.计算N重积分（均匀分布）

原理：用蒙特卡洛法计算N重积分积分：设D为n维空间Rn的一个区域,f(x)∈D Rn→R,区域D上的n 重积分用下式表示：

1698423636949

可以认为 I=(区域D的测度) X (函数f的期望)。基本的蒙特卡洛法就是找一个超立方体（测度已知，为Mc）包含区域D，在D内随机生成n（n一般足够大）个均匀分布的点，统计落入区域D的点，假设有m个。

则区域D的测度

1698423873975

函数f的期望

1698423895394

积分为

1698424026273

例1：用蒙特卡洛法计算积分

1698424914235

%构造被积函数，x为长为4的列向量或者矩阵（行数为4）。x的每一列表示4维空间中的一个点
f = @(x) exp(prod(x));
n = 10000;
X = rand(4,n); % 随机生成n个4维单位超立方体内的点
I = sum(f(x))/n % 用基本的蒙特卡洛法估计积分值
I =1.069245225746442

例2:用蒙特卡洛法计算积分

1698425193719

f = @(x) prod(x);n = 100000;% 随机均匀积分区域的点
x1 = unifrnd(1,2,1,n);x2 = unifrnd(1,4,1,n);
x3 = unifrnd(1,16,1,n);
ind = (x2>=x1)&(x2<=2*x1)&(x3<=2*x1.*x2)&(x3>=x1.*x2); % 积分区间
X = [x1;x2;x3];
I = (4-1)*(16-1)*sum(f(X(:,ind)))/n
I = 1.791951576008592e+02

4.3.计算N重积分（等序列分布）

在区间[a,b]中的一个(确定性)点列x1,x2,... ,若对所有的有界黎曼(Riemann)可积函数f(x),均有

1698425593926

则称该点列在[a,b]中是等分布的。令(ξ)表示ξ的小数部分,即(ξ)=ξ一[ξ],这里[ξ]表示不超过ξ的最大整数。

定理6.1 若θ为一个无理数 ,则数列为xn= (nθ), n =1,2 ,... ,在[0,1]中是等分布的。

对于一般的区间[a,b],可以令un=xn (b-a)+a来得到[a,b]中等分布的点列。对于s重积分,一般是挑选s 个对有理数线性对立的无理数,来得到包含积分区域D的超长方体内的均匀分布的点列。[uai, ubi ],…得到用等分布序列蒙特卡洛法计算的积分的近似值:

1698426112580

例3：用等序列蒙特卡洛法计算例1的积分

1698424914235

f = @(x) exp(prod(x)); n = 10000;
% 选取对有理数独立的无理数sqrt(2)，sqrt(3)，sqrt(6)/3，sqrt(10)来分成等分布序列
x = bsxfun(@times, repmat(1:n,4,1),[sqrt(2);sqrt(3);sqrt(6)/3;sqrt(10)]);
x = mod(x,1);%对1取余运算，即得小数部分
I = sum(f(x))/n %
I = 1.069297245824625

例4：用等序列蒙特卡罗法计算积分

1698426480227

包含积分区域的超长方体：

1698426509434

选取对有理数独立的无理数

1698426529613

来生成等分布序列,matlab程序为：

f = @(x) sin(x(1,:).*exp(x(2,:).*sqrt(x(3,:))))+x(4,:).*x(5,:);
n = 10000000;
x = bsxfun(@times,repmat(1:n.5,1),[sqrt(2);sqrt(3);sqrt(6)/3;sqrt(10);sqrt(19)]);
x = mod(x,1);
% 一下变换，使得区间(0,1)上的等分布序列变到各层积分区间上去
BminusA = diff([0.5 sin(exp(1))/2 sin(exp(1))/4])
x(2:end,:) = bsxfun(@times,x(2:end,:),BminusA);

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/1198393.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

Python与ArcGIS系列（一）ArcGIS中使用Python

Python与ArcGIS系列（一）ArcGIS中使用Python

目录 0 简述1 arcgis中的python窗口2 开始编写代码 0 简述 按照惯例&#xff0c;作为本系列专栏的第一篇&#xff0c;先简单地介绍下本系列文章的内容&#xff1a;通过python语言创建arcgis环境脚本、将脚本以工具箱形式存放在arcgis中、通过脚本自动执行地理处理、数据修复、…
阅读更多...
Benchmarking Large Language Models in Retrieval-Augmented Generation-学习翻译

Benchmarking Large Language Models in Retrieval-Augmented Generation-学习翻译

提检索增强生成中大型语言模型的基准测试文献学习 作者将在https://github.com/chen700564/RGB上发布本文的代码和RGB。 y ˇ \check{y} yˇ​ 文章目录 摘要IntroductionRelated workRetrieval-Augmented Generation BenchmarkRAG所需能力数据构建评估指标 ExperimentsSetting…
阅读更多...
kubeadm部署k8s及高可用

kubeadm部署k8s及高可用

目录 CNI 网络组件 1、flannel的功能 2、flannel的三种模式 3、flannel的UDP模式工作原理 4、flannel的VXLAN模式工作原理 5、Calico主要组成部分 6、calico的IPIP模式工作原理 7、calico的BGP模式工作原理 8、flannel 和 calico 的区别 Kubeadm部署k8s及高可用 1、…
阅读更多...
Vue3 源码解读系列（四）——组件更新

Vue3 源码解读系列（四）——组件更新

组件更新 组件更新流程&#xff1a; 从头部开始同步 从尾部开始同步 挂载剩余的新节点 删除多余的旧节点 处理未知的子序列 当两个节点类型相同时&#xff0c;执行更新操作当新子节点中没有旧子节点中的某些节点时&#xff0c;执行删除操作当新子节点中多了旧子节点中没有…
阅读更多...
小样本目标检测(Few-Shot Object Detection)综述

小样本目标检测(Few-Shot Object Detection)综述

背景 前言:我的未来研究方向就是这个,所以会更新一系列的文章,就关于FSOD,如果有相同研究方向的同学欢迎沟通交流,我目前研一,希望能在研一发文,目前也有一些想法,但是具体能不能实现还要在做的过程中慢慢评估和实现.写文的主要目的还是记录,避免重复劳动,我想用尽量简洁的语言…
阅读更多...
141.环形链表（LeetCode）

141.环形链表（LeetCode）

想法一 快慢指针&#xff0c;设置slow和fast指针&#xff0c;slow一次走一步&#xff0c;fast一次走两步&#xff0c;如果链表有环&#xff0c;它们最终会相遇&#xff0c;相遇时返回true&#xff1b;如果链表无环&#xff0c;它们最终走到空&#xff0c;跳出循环&#xff0c;…
阅读更多...
计算机视觉中目标检测的数据预处理

计算机视觉中目标检测的数据预处理

本文涵盖了在解决计算机视觉中的目标检测问题时&#xff0c;对图像数据执行的预处理步骤。 首先&#xff0c;让我们从计算机视觉中为目标检测选择正确的数据开始。在选择计算机视觉中的目标检测最佳图像时&#xff0c;您需要选择那些在训练强大且准确的模型方面提供最大价值的图…
阅读更多...
自动化测试 —— requests和selenium模块！

自动化测试 —— requests和selenium模块！

一、requests基于POST请求 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 #1.requests的GET与POST用法的区别&#xff1a; GET请求: (HTTP默认的请求方法就是GET) * 没有请求体 * 数据必须在1K之内&#xff01; * GET请求数据会暴露在浏览器…
阅读更多...
YOLOv5算法进阶改进（1）— 改进数据增强方式 + 添加CBAM注意力机制

YOLOv5算法进阶改进（1）— 改进数据增强方式 + 添加CBAM注意力机制

前言：Hello大家好，我是小哥谈。本节课设计了一种基于改进YOLOv5的目标检测算法。首先在数据增强方面使用Mosaic-9方法来对训练集进行数据增强，使得网络具有更好的泛化能力，从而更好适用于应用场景。而后，为了更进一步提升检测精度，在backbone中嵌入了CBAM注意力机制模块，…
阅读更多...
uniapp中在组件中使用被遮挡或层级显示问题

uniapp中在组件中使用被遮挡或层级显示问题

uniapp中在组件中使用或croll-view标签内使用uni-popup在真机环境下会被scroll-view兄弟元素遮挡&#xff0c;在开发环境下和安卓系统中可以正常显示&#xff0c;但在ios中出现了问题 看了许多文章都没有找到问题的原因&#xff0c;最后看到这一个文章http://t.csdnimg.cn/pvQ…
阅读更多...
21.合并两个有序链表（LeetCode）

21.合并两个有序链表（LeetCode）

合并两个有序链表&#xff0c;是链表的经典题之一 &#xff0c;这里给出一种经典解法 想法一 创建head和tail两个指针&#xff0c;从头比较两个链表&#xff0c;取小的尾插&#xff0c;注意一开始指针的初始化&#xff0c;接着就是不断利用tail指针&#xff0c;链接比较之中较…
阅读更多...
C语言----静态链接库和动态链接库

C语言----静态链接库和动态链接库

在前面的文章中讲到可执行程序的生成需要经过预处理&#xff0c;编译&#xff0c;汇编和链接四个步骤&#xff0c;链接阶段是链接器将该目标文件与其他目标文件、库文件、启动文件等链接起来生成可执行文件。 需要解读一下库文件&#xff0c;我们可以将库文件等价为压缩包文件&…
阅读更多...
AIGC ChatGPT 4 轻松实现小游戏开发制作

AIGC ChatGPT 4 轻松实现小游戏开发制作

贪吃蛇的小游戏相信大家都玩儿过，我们让ChatGPT4来帮我们制作一个贪吃蛇的小游戏。 在ChatGPT中发送Prompt如下图： 完整代码如下： <!DOCTYPE html> <html> <head> <title>贪吃蛇游戏</title> <style type="text/css"> #can…
阅读更多...
电脑小Tip---外接键盘F1-F12快捷键与笔记本不同步

电脑小Tip---外接键盘F1-F12快捷键与笔记本不同步

当笔记本外接一款非常好用的静音键盘后&#xff0c;会出现一些问题。例如&#xff1a;外接键盘F1-F12与笔记本不同步。具体一个例子就是&#xff0c;在运行matlab程序时&#xff0c;需要点编辑器—运行&#xff0c;这样就很麻烦&#xff0c;直接运行的快捷键是笔记本键盘上的F5…
阅读更多...
推荐 8 款OCR工具（二）完结篇

推荐 8 款OCR工具（二）完结篇

双十一&#xff0c;又要剁手了&#xff0c;但我还是 推荐 8 款OCR工具&#xff01; 当你感到迷茫时&#xff0c;不妨停下来&#xff0c;深呼吸&#xff0c;重新审视自己所处的位置和你的内心。这样的简单行为可能会帮助你找到方向。 SimpleOCR 网址&#xff1a;https://simple…
阅读更多...
时间序列预测实战(九)PyTorch实现LSTM-ARIMA融合移动平均进行长期预测

时间序列预测实战(九)PyTorch实现LSTM-ARIMA融合移动平均进行长期预测

一、本文介绍 本文带来的是利用传统时间序列预测模型ARIMA(注意&#xff1a;ARIMA模型不属于机器学习)和利用PyTorch实现深度学习模型LSTM进行融合进行预测&#xff0c;主要思想是->先利用ARIMA先和移动平均结合处理数据的线性部分&#xff08;例如趋势和季节性&#xff09…
阅读更多...
删除成绩（数组）

删除成绩（数组）

任务要求 设计程序&#xff0c;实现从多名学生某门课程的成绩查找到第一个不及格的成绩&#xff0c;删除其成绩&#xff0c;输出删除成绩后的多名学生这一门课程的成绩。任务保证至少存在1个学生的成绩为不及格。
阅读更多...
短信验证码实现（阿里云）

短信验证码实现（阿里云）

如果实现短信验证&#xff0c;上教程&#xff0c;这里用的阿里云短信服务 短信服务 (aliyun.com) 进入短信服务后开通就行&#xff0c;可以体验100条免费&#xff0c;刚好测试用 这里由自定义和专用&#xff0c;测试的话就选择专用吧&#xff0c;自定义要审核&#xff0c; Se…
阅读更多...
Linux-系统调优-常见命令

Linux-系统调优-常见命令

目录 1、uptime 2、/proc/loadavg文件&#xff1a;获取平均负载的信息 3、free 命令&#xff1a;查看内存使用的详细情况 基础信息 buffer/cache介绍 4、SWAP 交换分区 基础信息 如何定义使用SWAP 交换分区 5、vmstat&#xff1a;性能监控工具 基础信息 性能影响&am…
阅读更多...
回调地狱 与 Promise（JavaScript）

回调地狱 与 Promise（JavaScript）

目录捏 前言一、异步编程二、回调函数三、回调地狱四、Promise1. Promise 简介2. Promise 语法3. Promise 链式 五、总结 前言 想要学习Promise&#xff0c;我们首先要了解异步编程、回调函数、回调地狱三方面知识&#xff1a; 一、异步编程 异步编程技术使你的程序可以在执行一…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023