玖玖爱激情视频,三级在線日韩中文,成人乱码一

下載：228 收藏：40

查看價格免費下載

SuanShu (產(chǎn)品編號：12672)

一款易于使用的數(shù)值方法庫，可以構(gòu)建工程軟件以及做研究或原型

標(biāo)簽：Java 數(shù)學(xué)計算

開發(fā)商： Numerical Method Inc.

當(dāng)前版本： v3.4

產(chǎn)品類型：控件

產(chǎn)品功能：算法

平臺語言：JAVA

開源水平：不提供源碼

本產(chǎn)品的分類與介紹僅供參考，具體以商家網(wǎng)站介紹為準(zhǔn)，如有疑問請來電 023-68661681 咨詢。

SuanShu是一款易于使用的數(shù)值方法庫。您可以使用它來構(gòu)建工程軟件以及做研究或原型。SuanShu能夠為您節(jié)省用于編碼數(shù)值算法基礎(chǔ)結(jié)構(gòu)的時間讓您專注于您的應(yīng)用。SuanShu使用現(xiàn)代軟件工程原則重新設(shè)計。它提供了一個數(shù)據(jù)結(jié)構(gòu)集合用于表示許多數(shù)學(xué)概念，以幫助您編寫良好的面向?qū)ο蟮拇a。SuanShu完全由Java編寫。它能夠運行在所有的擁有一個兼容的jvm的平臺上，例如，PC機和移動設(shè)備。SuanShu能夠被用于與其他Java技術(shù)結(jié)合。

* 關(guān)于本產(chǎn)品的分類與介紹僅供參考，精準(zhǔn)產(chǎn)品資料以官網(wǎng)介紹為準(zhǔn)，如需購買請先行測試。

suanshu,高數(shù),數(shù)學(xué),數(shù)學(xué)運算

特征：

使用Ridder s方法的微分
多元微分：
1)（具有邊的)Hessian
2)gradient 梯度
3)Jacobian
有限差分
為以下幾種分布的派生功能：
1)Beta
2)Beta Regularized
3)Erf
4)Gamma
5)Gaussian
多項式
使用Horner法進行多項式估算
使用分析公式多達(dá)4進行多項式根查找
使用Jenkins Traub方法進行多項式根查找
連分?jǐn)?shù)
特殊功能：
1)Beta分布
2)正規(guī)化Beta分布
3)反向正規(guī)化Beta分布
4)累計正態(tài)分布
5)反向累計正態(tài)分布
6)Digamma 分布
7)Erf 誤差函數(shù)
8)反向誤差函數(shù)
9)伽瑪分布
10)lowe低階不完整伽瑪分布
11)正規(guī)化Gamma P
12)反向正規(guī)化Gamma P
13)正規(guī)Gamma Q
14)不完整高階Gamma
15)Gaussian
16)logBeta
17)logGamma
18)Lanczos方法
Riemann積分
使用替代規(guī)則實現(xiàn)Riemann積分：
1)雙指數(shù)規(guī)則
2)指數(shù)規(guī)則
3)Power law奇點
4)映射到標(biāo)準(zhǔn)區(qū)間
5)使用Romberg方法的積分
使用下列方法實現(xiàn)積分
1)Simpson法
2)Trapezoidal法
3)Midpoint rules 中點規(guī)則
插值：
1)Neville方法
序列
1)斐波納契序列
uniroot查找算法：
1)Brent 算法
2)Halley 算法
3)Newton 算法
一個Math表數(shù)據(jù)結(jié)構(gòu)用于存儲表值
區(qū)間算術(shù)
復(fù)數(shù)
普通最小二乘法求解
初等矩陣操作
Householder tdeterminant
排列
追蹤
求最大值
求最小值
變換
矩陣求逆
矩陣操作：
1)determinant 求行列式
2)rank 排序
3)trace 跟蹤
4)max 求最大值
5)min 求最小值
矩陣的功能
矩陣的偽求逆
矩陣雙對角化
矩陣三角化
Cholesky分解
Doolittle因式分解
Eigen因式分解
Gauss-Jordan消去法
SVD分解法（針對于非對稱矩陣)　
Gram-Schmidt因式分解法
Hessenberg因式分解法
LDL分解
LU分解
QR 分解
各種矩陣表示形式：
1)雙向?qū)蔷仃?br/> 2)對角矩陣
3)三角矩陣
4)Givens矩陣
5)Hilbert 特矩陣
6)上/下三角矩陣
7)置換矩陣

稀疏向量表示法：
稀疏矩陣表示法：
1)CSR
2)DOK
3)LIL
迭代稀疏矩陣求解器：
1)stationary
2)non-stationary
3)pre-conditioner support
科學(xué)計數(shù)法
支持任意精度
最小P-次最小和最大優(yōu)化
Nelder-Mead優(yōu)化
無約束優(yōu)化：
1)共軛梯度
2)Fletcher-Reeves法
3)Powell法
4)Zangwill 法
5)Quasi-Newton法
6)BFGS法
7)DFP法
8)steepest-descent法
9)Netwon-Raphson法
10)auss-Newton 法
單因子優(yōu)化：
1)Brent 法
2)Fibonacci法
3)Golden-ratio法
各種移動的平均過濾器
描述性的統(tǒng)計（全部都支持增量計算)：
1)平均數(shù)
2)方差
3)協(xié)方差
4)偏斜度
5)峰值
6)高階炬
排列統(tǒng)計：
1)最小值
2)最大值
3)排列
4)分位數(shù)
經(jīng)驗分布
分布：
1)Beta分布
2)Chi-square分布
3)Durbin-Watson分布
4)指數(shù)分布
5)F分布
6)Gamma分布
7)Kolmogorov 分布
8) 正態(tài)分布
9)Rayleigh分布
10)T分布
11)Weibull分布
線性隨機數(shù)產(chǎn)生器
Mersenne Twister算法
向量
向量空間
一元/多多元時間序列分析
1)ARIMA建模，模擬，擬合，預(yù)測
2) GARCH建模，模擬，擬合，預(yù)測
3)自動計算協(xié)方差
假設(shè)檢驗
1)Kolmogorov-Smirnov
2)D'Agostino
3)Jarque-Bera
4)Lilliefors
5)Shapiro-Wilk
6)One-way ANOVA
7)T
8)Kruskal-Wallis
9)Siegel-Tukey
10)Van der Waerden
11)Wilcoxon 秩和檢驗法
12)Wilcoxon 符號秩檢驗法
13)Breusch-Pagan
14)ADF
15)Bartlett
16)Brown-Forsythe
17)F
18)Levene
假設(shè)檢驗
隨機微分方程（SDE)　
1)建模
2)模擬/隨機步態(tài)
SDE積分
1)歐拉法
2)米爾斯坦法
布朗運動
Bessel過程
OLS回歸
邏輯回歸
GLM回歸
方差分析模型選擇

Features

differentiation using Ridders' method
multivariate differentiation:
1)(bordered) Hessian
2)gradient
3)Jacobian
finite difference
derivaties of functions for:
1)Beta
2)Beta Regularized
3)Erf
4)Gamma
5)Gaussian
polynomial
polynomial evaluation using Horner scheme
polynomial root finding using analytical formulae up to degree 4
polynomial root finding using the Jenkins Traub method
continued fraction
special functions:
1)Beta
2)regularized Beta
3)inverse of regularized Beta
4)cumulative Normal
5)inverse of cumulative Normal
6)Digamma
7)Erf
8)inverse of Erf
9)Gamma
10)lower incomplete Gamma
11)regularized Gamma P
12)inverse of regularized Gamma P
13)regularized Gamma Q
14)incomplete upper Gamma
15) Gaussian
16)logBeta
17)logGamma
18)Lanczos method
Riemann integration
Riemann integration using substitution rules:
1)Double-Exponential rule
2)Exponential rule
3)Power law singularity
4)Map to the Standard interval
5)integration using Romberg's method
integration using
1)Simpson
2)Trapezoidal
3)Midpoint rules
interpolation:
1)the Neville method
sequence
1)Fibonacci sequence
uniroot finding algorithm:
1)Brent
2)Halley
3)Newton
a Math table data structure to store table values
interval arithmetics
complex number
Ordinary Least Square solver
matrix elementary operations
Householder tdeterminant
rank
trace
max
min
ransformation
matrix inverse
matrix measures:
1)determinant
2)rank
3)trace
4)max
5)min
power of matrix
matrix pseudoinverse
matrix bi-diagonalization
matrix tri-diagonalization
Cholesky decomposition
Doolittle factorization
Eigen factorization
Gauss-Jordan elimination
SVD factorization (for asymmetric matrix)
Gram-Schmidt factorization
Hessenberg factorization
LDL decomposition
LU decomposition
QR decomposition
various matrix representations:
1)CSR
2)DOK
3)LIL

iterative sparse matrix solver:
1)stationary
2)non-stationary
3)pre-conditioner support
scientific notatoin
arbitrary precision support
least P-th minmax optimization
Nelder-Mead optimization
unconstrained optimization:
1)conjugate gradient
2)Fletcher-Reeves
3)Powell
4)Zangwill
5)Quasi-Newton
6)BFGS
7)DFP
8)steepest-descent
9)Netwon-Raphson
10)auss-Newton
univariate optimization:
1)Brent
2)Fibonacci
3)Golden-ratio
various moving average filters
descriptive statistics (all support incremental computation):
1)mean
2)variance
3)covariance
4)skewness
5)kurtosis
6)higher moments
ranking statistics:
1)min
2)max
3)rank
4)quantile
empirical distribution
distributions:
1)Beta
2)Chi-square
3)Durbin-Watson
4)Exponential
5)F
6)Gamma
7)Kolmogorov
8)Normal
9)Rayleigh
10)T
11)Weibull
linear random number generators
Mersenne Twister
vector
vector space
univariate/multivariate time series analysis
1)ARIMA modeling, simulation, fitting, prediction
2)GARCH modeling, simulation, fitting, prediction
3)Auto-Covariance computation
hypothesis testing
1)Kolmogorov-Smirnov
2)D'Agostino
3)Jarque-Bera
4)Lilliefors
5)Shapiro-Wilk
6)One-way ANOVA
7)T
8)Kruskal-Wallis
9)Siegel-Tukey
10)Van der Waerden
11)Wilcoxon rank sum
12)Wilcoxon signed rank
13)Breusch-Pagan
14)ADF
15)Bartlett
16)Brown-Forsythe
17)F
18)Levene
hypothesis testing
Stochastic Differentiation Equations (SDE)
1)modeling
2)simulation/random walk
SDE integration
1)Euler scheme
2)Milstein scheme
Brownian motion
Bessel process
OLS regression
logistic regression
GLM regression
GLM model selection