cfdtool：CFDTool-用于MATLAB的易于使用的OpenFOAM SU2 CFD模拟工具箱
2021-11-22 16:06:44
119.01MB
1
模型预测控制python工具箱
do-mpc是用于健壮模型预测控制（MPC）和移动视域估计（MHE）的综合开源工具箱。 do-mpc为非线性系统提供有效的公式化表示，并解决控制和估计问题，其中包括处理不确定性和时间离散化的工具。 do-mpc的模块化结构包含仿真，估算和控制组件，可以轻松扩展和组合这些组件以适合许多不同的应用程序。
总之， do-mpc提供以下功能：
非线性经济模型预测控制
支持微分代数方程（DAE）
有限元上正交配置的时间离散化
鲁棒的多阶段模型预测控制
运动视界状态和参数估计
模块化设计，可以轻松扩展
do-mpc软件基于Python，因此可在任何具有Python 3.x发行版的操作系统上使用。 do-mpc由塞巴斯蒂安·恩格尔（Sebastian Engell）领导的多特蒙德工业大学DYN主席Sergio Lucia和Alexandru Tatulea开发。
2021-11-21 14:17:26
46.91MB
1
MATLAB 数据包络分析工具箱
版本 1.0
作者
Inmaculada C. 阿尔瓦雷斯
哈维尔·巴贝罗
JoséL.Zofío。
用法
要使用工具箱，请将名为“deatoolbox”的文件夹添加到 MATLAB 路径中。
工具箱包含以下文件夹：
deatoolbox：工具箱的所有功能都在这里。 这是您必须添加到 MATLAB 路径的文件夹。
examplesjss：工具箱中包含的所有函数的示例（JSS 版本）。
示例：工具箱中包含的所有功能的示例（工作文件版本）。
unittests：工具箱功能的unitests。
如何引用
请引用工具箱为：
阿尔瓦雷斯，Inmaculada C.； Barbero、Javier 和 Zofío、José L，（2020 年）MATLAB 的数据包络分析工具箱。 统计软件杂志。 第 95 卷，第 3 期，第 1-49 页。
执照
代码
2021-11-14 21:48:50
595KB
1
猛男
用于Mach-O文件分析的Python工具箱。 严重依赖macholib 。
安装
用途
$ [sudo] pip install machobot
为了发展
$ pip install nose macholib
$ git clone https://github.com/rodionovd/machobot.git machobot
$ cd ./machobot
$ nosetests # run the test suite
用法
作为命令行工具：
$ inject_dylib ./target " @rpath/mylib.dylib "
作为Python模块：
import machobot
用法示例：
import machobot . dylib as dylib
dylib . insert_load_command ( "output.a" , "
2021-11-12 11:29:37
17KB
1
生物神经网络工具箱
Biological Neural Networks (BNNs) Toolbox for MATLAB 是一款免费的开源软件，用于模拟大脑和中枢神经系统模型，基于 MATLAB 计算平台。 正如工具箱的名称所暗示的那样，该软件包的主要目标是为用户提供一组集成工具来创建生物神经网络模型并轻松对其进行模拟，而无需进行大量编码。 用户可以使用预定义的库函数在不到 10 行代码（或者甚至是一行，如果他们将所有参数都提供给主函数）中创建和模拟一个巨大的尖峰神经元网络。 还可以使用模板库项目或为此提供的特殊工具轻松创建新模型并将其添加到库中。
有关此工具箱的更多信息，请参阅文档 (BNNToolbox.pdf)。
2021-11-08 04:43:40
304KB
1
pactools入门
该软件包提供了用于估计神经时间序列中的相幅耦合（PAC）的工具。
特别是，它实现了以下参考文献中介绍的驱动自回归（DAR）模型[ ]。
在阅读更多。
安装
要安装pactools ，请使用以下两个命令之一：
最新稳定版本：
pip install pactools
开发版本：
pip install git+https://github.com/pactools/pactools.git#egg=pactools
要升级，请使用pip提供的--upgrade标志。
要检查一切是否正常，您可以执行以下操作：
python -c 'import pactools'
并且不应给出任何错误消息。
相幅耦合（PAC）
迄今为止，在不同类别的交叉频率耦合中，相位幅度耦合（PAC）（即，时间锁定到慢频率振荡的特定相位的高频活动）是最公认的。 PAC通常用协调制
2021-11-07 15:18:35
119KB
1
不确定性工具箱
用于预测不确定性量化，校准，python工具箱。 另外：的以及的集合。
许多机器学习方法会返回预测以及某种形式的不确定性，例如分布或置信区间。 这就引出了一个问题：我们如何确定最佳的预测不确定性？ 产生最佳或理想不确定性是什么意思？ 我们的不确定性是否准确且经过良好校准？
不确定性工具箱提供了用于量化和比较预测性不确定性估计值的标准度量，提供了这些度量的直觉，生成了这些度量/不确定性的可视化效果，并实施了简单的“重新校准”程序来改善这些不确定性。 该工具箱当前专注于回归任务。
工具箱内容
不确定性工具箱包含：
与预测不确定性量化相关的。
评估预测不确定性估计的质量的。
预测不确定性估计和指标。
用于改善预测变量校准的方法。
有关度量标准和方法的相关。
安装
不确定性工具箱需要Python 3.6及更高版本。 要安装，请克隆并通过cd进入此仓库，然后运行：
$
2021-11-01 21:29:30
1.44MB
1