- 博客(5)
- 收藏
- 关注
原创 Scikit-learn机器学习笔记
机器学习、深度学习、神经网络的区别:机器学习、深度学习、神经网络还傻傻分不清吗?_机器学习 深度学习 神经网络-CSDN博客 神经网络简介:神经网络——最易懂最清晰的一篇文章-CSDN博客
2023-12-19 11:33:24 389
原创 Fluent中Pressure Based求解器
The pressure-based coupled algorithm obtains a more robust and efficient single phase implementation for steady-state flows.(对于稳态单相流动,Coupled算法鲁棒性更好,效率更高)对不不是很复杂的求解问题,SIMPLEC收敛更快;
2023-12-14 20:07:44 435
原创 Lab View数据采集学习笔记(一)
最好方式仍是差分模式(需要偏执电阻,如下图所示)。此时RES也可用,且不需要偏执电阻。NRES也可以,它也需要偏执电阻。每个信号采用数据采集卡的两个通道,故数据采集卡可用通道会减半。此时也需要用到偏置电阻(当信号源与信号系统均为浮动时需要使用),推荐在10KΩ到100KΩ之间选择。首先确定信号是怎么接地的,然后根据信号接地方式选择信号采集连接方式。不能抑制共模电压且会产生地环流,不推荐使用。RES的变种,要用单端就用非参考单端模式。根据信号接地方式选择信号采集连接方式。
2023-11-24 22:04:28 1046
原创 克里金(Kriging)模型及Python pykrige库实现
简单而言,克里金(kriging)模型就是一种插值模型,与多项式插值、线性插值、样条插值等类似,根据“采样点”上的值预测非采样点的值。只不过克里金(kriging)模型相较于其他插值方法具备一些优势(上文介绍过了)。其对于非样本点值的预测是基于线性加权组合(linearly weighted combination)实现的。在普通克里金(kriging)模型中,通过计算预测点附近的已知值的加权平均来获得预测值。其只有在样本值具备空间相关性时才有意义。
2023-11-24 19:26:24 5673 5
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人