普通混凝土配合比设计，一般应根据混凝土强度等级及施工所要求的混凝土拌合物坍落度(或工作度——维勃稠度)指标进行。如果混凝土还有其他技术性能要求，除在计算和试配过程中予以考虑外，尚应增添相应的试验项目，进行试验确认。普通混凝土配合比设计应满足设计需要的强度和耐久性。 混凝土的最大水灰比和最小水泥用量 混凝土拌合料应具有良好的施工和易性和适宜的坍落度。混凝土的配合比要求有较适宜的技术经济性。
转载
2024-09-20 14:49:25
44阅读
# 如何实现Python 拉丁超立方lhs库
## 一、整体流程
下面是实现“Python 拉丁超立方lhs库”这个任务的整体流程：
| 步骤 | 描述 |
| --- | --- |
| 步骤一 | 导入所需的库 |
| 步骤二 | 生成拉丁超立方样本 |
| 步骤三 | 进行数据采样 |
| 步骤四 | 完成数据处理 |
## 二、具体步骤
### 步骤一：导入所需的库
首先，我们
原创
2024-06-11 04:13:05
287阅读
hongzimao/deeprm：Resource Management with Deep Reinforcement Learning (HotNets '16) 虽然不是无线网络的资源分配，但是隐约感觉应该是一个mantecon/Self-organised-Admission-Control-for-Multi-tenant-5G-Networks：In this work, a self
转载
2023-09-17 16:19:07
112阅读
文章目录基础C++深度学习GeluRdropAdamW#triplet loss过拟合和欠拟合模型Transformer 最后更新，2022.10.28基础Hyperopt是一个强大的python库，用于超参数优化 python包tqdm可视化进度python包gensim是NLP工具，包括很多常见模型比如LDA、TFIDF等目标检测包商汤的mmdectetion用lightgbm快速做机器学习
转载
2024-08-13 11:58:54
46阅读
看了《LDA数学八卦》和July的博客，里面涉及到好多公式推导。。。感觉好复杂，于是记录一些重点简洁的东西，忽略大批量铺垫，直接回答LDA和PLSA是区别： 在pLSA模型中，我们按照如下的步骤得到“文档-词项”的生成模型（频率派）： 按照概率选择一篇文档选定文档后，确定文章的主题分布从主题分布中按照概率选择一个隐含的主题类别选定后，确定主题下的词分布从词分布中按照概率选择一个词”
转载
2024-05-03 21:54:42
57阅读
3D打印作为一种常见的增材制造法，以其无与伦比的自由度，绕过了传统复杂和昂贵的成型加工路线，创造出复杂的几何形状。迅速发展的“无模制造”工艺可以从微观尺度控制宏观结构，进而发现材料的多种未知功能。近日，美国凯斯西储大学高分子科学与工程系的RigobertoC. Advincula教授课题组提出了一种新颖的多功能3D打印方案，采用特殊配方的聚二甲基硅氧烷(PDMS)油墨，结合盐浸方法(即添加盐可以作
转载
2023-11-23 18:40:27
299阅读
文章目录一、理论基础1、哈里斯鹰优化算法(HHO)2、改进哈里斯鹰优化算法(MSHHO)2.1 拉丁超立方抽样2.2 融合莱维飞行的自适应阿基米德螺旋机制2.2.1 融合莱维飞行的阿基米德螺旋公式2.2.2 自适应权重因子2.3 柯西反向学习混合变异策略2.4 改进算法实现流程二、仿真实验与结果分析三、参考文献 一、理论基础1、哈里斯鹰优化算法(HHO)请参考这里。2、改进哈里斯鹰优化算法(MS
转载
2024-01-11 08:56:00
564阅读
由于普通的拉丁超立方采样，样本点序列是一个随机的排列，就会出现如下分布状况，虽然采样点满足了空间投影均匀的特性，但它的空间填充效果并不好。 根据参考文献的那篇论文提出的最大最小方法优化普通拉丁超立方采样。论文中阐述了最大最小的方法是，对于每一个样本点，它与之前几个样本点的距离最小值为该样本点的特征距离，而优化的目的是为了使这个特征距离最大，让样本点之间更加离散充满整个空间而不是聚集在一起
转载
2023-10-05 19:50:32
741阅读
目录1 性质2 原理3 实现 4 结果1 性质当我们要对某个昂贵函数或者一些试验数据建立代理模型时，前期实验设计对于初始采样点的选取尤为重要，如何尽可能用少量点能够得到空间填冲效果好的初始样本点成为研究热点，拉丁超立方采样是一个热门的方法，拉丁超立方抽样是基于空间填充技术的，它满足投影特性，也就是在设计变量空间内的样本点在每一维上的投影都是均匀分布的，也就是在每一维上的投影都满足每个子区
转载
2023-10-15 23:32:10
484阅读
# 使用Python实现拉丁超立方抽样（Latin Hypercube Sampling）
拉丁超立方抽样（Latin Hypercube Sampling，LHS）是一种统计方法，用于从多维分布中高效地获取样本。相较于传统的随机采样，LHS可以确保每个维度的样本在其范围内均匀分布。本文将指导你如何使用Python实现LHS，包括必要的步骤、所需的代码、以及过程中的关键概念。
## 整体流程
# Python 拉丁超立方实现指南
拉丁超立方 (Latin Hypercube Sampling, LHS) 是一种统计方法，广泛应用于不确定性分析和模型验证。本文将指导你如何使用 Python 实现拉丁超立方采样。我们将详细解析实现的每一个步骤，并提供相关代码示例。整个过程可分为五个主要步骤，如下所示：
| 步骤 | 描述 |
|------|------|
| 1 | 准备必要的
【采样算法】拉丁超立方采样简介过程一维拉丁超立方采样多维拉丁超立方采样python编程结论参考 简介LHS（Latin Hypercube Sampling）是一种分层采样方法，相较于蒙特卡洛采样，减少了迭代次数。其背后的概念并不复杂，即采用均匀采样的方法对变量进行采样，然后将这些变量的随机组合集用于目标函数的一次计算。先分区再在每个分区内均匀采样可以使采集的样本均匀分布在整个待抽样区域。过程一
转载
2023-10-07 21:55:01
171阅读
超立方体或将构成纳米计算机一种被称为超立方体(hypercubes)的多维结构，或许将成为未来纳米计算机的基本结构。用如此微小零件制作的机器，将由量子特性来主宰，而不再是由我们日常所熟知的力。美国奥克拉荷马大学的萨缪尔·李和劳埃德·霍克解释说，按照摩尔定律，微电子器件正持续变得更小、更快。集成电路和晶体管已达到纳米尺度，不过它们仍基于宏观尺度的物理特性运行着。真正的纳米电子学不只是缩小了的微电子学
转载
2024-07-01 21:17:04
49阅读
# Python 拉丁超立方采样
## 引言
在许多科学和工程领域中，研究人员常常需要从多维空间中有效地生成样本。拉丁超立方采样（Latin Hypercube Sampling，简称LHS）是一种重要的统计技术，它通过将变量的取值范围划分成若干部分，从而确保每一部分都有代表性的样本。这种方法尤其在不确定性分析和复杂模拟中广泛应用。本文将介绍如何使用Python进行拉丁超立方采样，并附上代码示
原创
2024-10-06 04:01:22
289阅读
8-基于拉丁超立方法的风光场景生成与削减摘要：与蒙特卡洛法不同，拉丁超立方采样改进了采样策略能够做到较小采样规模中获得较高的采样精度，属于分层抽样技术，设定风光出力遵从正态分布normrnd，从而实现场景的大规模生成，并通过概率距离快速削减法完成了场景的削减，出图效果可以见下图哦！clc clear all %% %场景法 %%% wf1 wf2 为平均值 wf1=[339,287,449,471
转载
2023-11-14 11:21:13
87阅读
拉丁超立方抽样1.拉丁超立方抽样拉丁超立方抽样技术最早于1979年由McKay等提出，该方法具有以下优点：具有均匀分层的特性可以在较少抽样的情况下，得到尾部的样本值以上两点使得拉丁超立方抽样比起普通的抽样方法更加的高效。2拉丁超立方抽样的步骤首先确定样本数N，既要抽取的样本数目将（0，1）区间均分为N段在这N段中的每一段随机的抽取一个值将抽取的值通过标准正态分布的反函数映射为标准正态分布样本打乱抽
转载
2023-07-28 22:41:09
632阅读
文章目录一、理论基础1、正余弦优化算法(SCA)2、基于动态分级策略的改进正余弦算法(DCA)2.1 拉丁超立方种群初始化策略2.2 动态分级策略2.2.1 破坏扰动算子2.2.2 精英引导方式2.3 全局搜索策略2.4 DSCA的基本流程二、数值仿真分析三、参考文献 一、理论基础1、正余弦优化算法(SCA)请参考这里。2、基于动态分级策略的改进正余弦算法(DCA)2.1 拉丁超立方种群初始化策
转载
2023-11-12 22:57:51
916阅读
拉丁超立方抽样关注次数： 95下载次数： 9文件大小： 60K下载需要积分： 2代码分类：开发平台： matlab上传会员： yhcpp下载代码预览代码Downma.com:专注MATLAB源程序代码下载和分享代码描述应用背景当使用拉丁超立方体技术从多个变量中抽样时，保持变量间的独立性很重要。为一个变量抽样的值，需要独立于为其它变量抽样的值(当然，除非特意希望相关)。独立性的保持通过为每个变量随机
转载
2023-10-25 14:59:20
87阅读
一.引言Alias Sample 即别名采样应用于离散采样，假设有一个随机事件包含 N 中情况，每种情况发生的概率为 P1,P2,...Pn 且其和为1，我们希望采样得到的事件能够符合随机事件的原始概率分布，这时候就需要 Alias 采样， Alias 是一个通过空间复杂度换取时间复杂度的算法，构造采样表的复杂度为 O(n)，而采样的复杂度为 O(1)。在Graph Embedding 中，本质上
转载
2023-12-14 19:06:45
330阅读
MATLAB实验教案实验一 离散系统的时域分析和复频域分析1.实验目的(1)掌握在时域求系统响应的方法。(2)掌握时域离散系统的时域特性。(3)通过实验判断系统稳定性(4)掌握利用Z变换对系统进行复频域分析。(5)掌握系统零、极点的绘制方法。(6)通过复频域分析系统稳定性、频率特性。(7)熟悉Z变换的应用2.实验设备计算机MATLAB R2012a仿真软件3.实验原理(1)离散系统的时域分析在时域
转载
2024-07-25 20:41:33
35阅读
