C++ 高精度乘法

实现高精度整数除法，支持高精度除以低精度的操作。

在高精度整数的存储中，t数组采用右往左存储，每一位数字用一个字节表示，这样不仅方便打印，还能简化后面的乘除运算。t的符号位signbit为1（正）或-1（负），而tlastdigit则代表最高位对应的下标。 void print_bignum(bignum *n) { if (n->signbit == MINUS) printf(\"-\"); for(int i = n->lastdigit; i >= 0; i--) printf(\"%c\", '0' + n->digits[i]); printf(\" \"); }

在比较运算中，从符号位开始逐位比较高精度整数。如果一个数为负，另一个数为正，则返回正数；反之返回负数。若较大数的位数大于较小数，则返回正数乘以较小数的符号位；反之返回负数乘以较小数的符号位。逐位比较每个数字，若较大数当前位大于较小数当前位，则返回负数乘以较小数的符号位；反之返回正数乘以较小数的符号位。若所有位数相同，则返回零。

Mittag-Leffler 函数这个资源蛮不错的，适合你在分数阶微分方程时的精度计算问题。它是个 MATLAB 例程，能用来评估具有两个参数的 Mittag-Leffler 函数，精度还挺高。你只要给定相应的参数，像MLF(alpha, beta, Z, P)，就能得到 10^(-P)精度的计算结果。最近更新了一些潜在的舍入误差问题，代码也做了些清理，整体运行还算流畅。哦对了，Z 也可以是二维数组了，方便了多场景的应用。适合需要高精度计算的朋友，像一些物理建模或者信号的任务都会用到。给你推荐的同时也提醒一下，使用时如果有大的数据集，要留意内存消耗。

损联接分解吗? 解：(1) πAB(F)={A→B，及按自反律所推导出的一些平凡函数依赖} πAC(F)={A→C，及按自反律所推导出的一些平凡函数依赖} πAD(F)={A→D，及按自反律所推导出的一些平凡函数依赖} (2)ρ相对于F是无损联接分解(解法如下题)。 (3)πAB(F)∪πAC(F)∪πAD(F)={A→B，A→C，A→D},没有满足B→C，D→C函数依赖，因此ρ相对于F的这个分解不保持依赖。 5.15设R=ABCD,R上的F={A→C，D→C，BD→A},试证明ρ={AB,ACD,BCD}相对于F不是无损联接分解。证明：(本题用到教材p114页定理5.4：如果R的分解为ρ={

这段 Matlab 程序基于改进的过零检测算法，可有效克服传统方法的不足，显著提高检测精度。

【tensorflow-resnet-master.zip】 【实例简介】 tensorflow-resnet-master.zip 提供了高准确率的深度学习模型，是一个极具实用性的神经网络项目。该资源包含完整的文件结构和详细的配置文件，以便快速上手与部署。 【实例截图】 项目内容包括一系列配置和数据处理文件，如图所示： 【核心代码结构】 tensorflow-resnet-master config.py：用于设置模型的各项参数 convert.py：实现模型文件格式的转换 data：包含示例图片与预训练模型文件 cat.jpg ResNet-101-deploy.prototxt Res

这是一个完整的Matlab程序，利用高斯混合模型（GMM）实现说话人识别功能，识别率高达95%以上。

ABAQUS 的车轨耦合动力学模型，挺硬核的东西，读研时候折腾出来的成果。模型结构清晰，分成整车、轨道、地基三个部分，挺适合研究轮轨接触和结构疲劳。整车用了多刚体动力学来建，响应快、计算稳定。轨道部分做了优化建模，建模效率和精度都还不错。轮轨接触那块也做了些改进，模拟更贴近实际。有几个小技巧你得看看：用Python 脚本自动生成扣件系统的非线性弹簧矩阵，效率高；数值颤振问题也得挺巧；求解器参数调了不少次，总结出一套比较稳的搭配。仿真结果也放出来了，精度不错，已经拿去做轨道裂纹预测这类课题了。如果你想搞子结构模态综合法，后面还能继续扩展。，适合搞车辆-轨道相互作用方向的同学，尤其是用 ABAQU