![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
计算
文章平均质量分 95
亚图跨际
跨学科视角展现 -- 计算思维
展开
-
Python莫兰生死抑制放大进化图
:dart:种群离散时间莫兰生死动态图解 | :dart:良好混合种群的固定概率 | :dart:数值求解生成埃尔多斯-雷尼图 | :dart:计算马尔可夫链的转移矩阵概率 | :dart:出生死亡动态和死亡出生动态概率无向随机图和有向随机图,转移矩阵概率计算原创 2024-07-19 18:29:07 · 1606 阅读 · 0 评论 -
Python图嵌入信息潜在表征算法
:scroll:Python社群纽带关系谱和图神经 | :scroll:C++和Python通信引文道路社评电商大规模行为图结构数据模型 | :scroll:角色图嵌入学习 | :scroll:图全局结构信息学习 | :scroll:图编码解码半监督学习 | :scroll:富文本表征学习 | :scroll:法律文本内容语义学习原创 2024-05-14 20:41:17 · 1171 阅读 · 0 评论 -
Python非线性图嵌入和降维技术拉普拉斯特征图算法
C++和Python通信引文道路社评电商大规模行为图结构数据模型 | 📜应用于MNIST、瑞士卷、双峰数据集 | 📜算法:多维缩放、等距映射、局部线性嵌入 、谱嵌入 | 📜耦合拉普拉斯算子生成对齐几何图形特征空间 | 📜分数拉普拉斯算子对非平滑回归函数的非参数回归方法处理 | 📜图拉普拉斯算子处理谱聚类原创 2024-05-13 16:07:07 · 1020 阅读 · 0 评论 -
C++和Python通信引文道路社评电商大规模行为图结构数据模型
1. 图论数学逻辑和计算::pen:定向网络节点和边 | :pen:节点的入度 | :pen:出度和度 | :pen:源节点 | :pen:汇节点 | :pen: 孤立节点 | :pen:入度分布和出度分布 | :pen:平均度 | :pen:平均入读和平均出度 | :pen:随机节点距离 | :pen:最短路径长度分布 | :pen:节点聚类系数及分布和平均聚类系数。2. :dart:图结构和算法::pen:计算入度和出度分布并绘制每个分布的幂律 | :pen:广度优先搜索算法遍历节点 | :pen:绘原创 2024-05-12 21:22:58 · 977 阅读 · 0 评论 -
Python计算和可视化线性和非线性统计问题
1. :dart:Python数独求解器。:dart:向量化运算时序计算。:dart:可视化概率分布。:dart:数据分析社区安全。:dart:可视化天气状态。:dart:描述性统计:可视化概率密度分布。:dart:推理统计中:识别和测试均值均等性,机器学习模型选择,计算社区安全统计对象并可视化类别。:dart:经营业务:多变量盈亏平衡分析。:dart:数学数列:确定算术数列和算术级数,创建自定义递归数列。:dart:数学三角学:绘制直角三角形,反三角函数找到最短路线。:dart:数学复数:使用数列计算退休原创 2024-04-06 18:08:15 · 825 阅读 · 0 评论 -
Python三维体素化网格和点云计算
Python三维点云自动生成 3D 网格和表面重建,创建多个细节层次Python使用4种工具体素化网格,创建点云数据可视化Python计算RGB-D 图像的点云,点云地面检测算法,过滤点云以便下采样和去除异常值,scikit-learn聚类点云数据Python点云和网格计算更多示例:使用泊松盘采样在网格上生成蓝噪声样本,对体素网格上的点云进行下采样,从点云估计法线,计算每个顶点的网格法线原创 2024-02-11 15:35:30 · 1648 阅读 · 0 评论 -
CUDA Cpp正电子发射断层扫描仪校准和图像重建—蒙特卡洛3D伊辛模型
GPU对比CPU计算正弦和:使用单CPU、使用OpenMP库和CUDACUDA并行计算:3D网格运行内核:线程块,线程线性处理3D数组,并行归约,共享内存,矩阵乘法/平铺矩阵乘法,基本线性代数子程序平铺分区,矢量加载,warp级内在函数和子 warp,线程发散和同步,联合组使用 2D 和 3D 模板,迭代求解偏微分方程和图像处理使用 GPU 纹理硬件执行快速插值,图像配准蒙特卡洛模拟3D伊辛模型CUDA 流CUDA正电子发射断层扫描仪校准和图像重建GPU扩展原创 2024-02-03 21:14:29 · 896 阅读 · 0 评论 -
CUDA Cpp并行计算二维和三维网格
NVIDIA 的 CUDA 是一种通用并行计算平台和编程模型,可利用 GPU 的并行处理能力来加速深度学习和其他计算密集型应用程序。原创 2024-01-30 20:59:36 · 970 阅读 · 0 评论