This commit does not belong to any branch on this repository, and may belong to a fork outside of the repository.
Switch branches/tags
Branches Tags
Could not load branches
Nothing to show
Could not load tags
Nothing to show
Name already in use
A tag already exists with the provided branch name. Many Git commands accept both tag and branch names, so creating this branch may cause unexpected behavior. Are you sure you want to create this branch?
Cancel Create
- Local
- Codespaces
HTTPS GitHub CLI
Use Git or checkout with SVN using the web URL.
Work fast with our official CLI. Learn more about the CLI.
Sign In Required
Please sign in to use Codespaces.
Launching GitHub Desktop
If nothing happens, download GitHub Desktop and try again.
Launching GitHub Desktop
If nothing happens, download GitHub Desktop and try again.
Launching Xcode
If nothing happens, download Xcode and try again.
GMP – 3. Основы MATLAB Simulink
Launching Visual Studio Code
Your codespace will open once ready.
There was a problem preparing your codespace, please try again.
Latest commit
Git stats
Files
Failed to load latest commit information.
Latest commit message
Commit time
README.md
Посмотрите, как решаются в MATLAB базовые задачи.
- Математические операции (mlx) (pdf) (m)
- Работа с матрицами (mlx) (pdf) (m)
- Линейная алгебра (mlx) (pdf) (m)
- Математические функции (mlx) (pdf) (m)
- Построение графиков (mlx) (pdf) (m)
- Настройка графиков (mlx) (pdf) (m)
Как скачать и запустить
Способ 1 (быстрый)
Выполните в MATLAB
eval(webread(‘https://exponenta.ru/install/examples’))
Скачайте по ссылке архив с примерами, распакуйте в папку и откройте её в MATLAB.
Обсуждения и пожелания
На странице в сообществе Экспонента вы можете поделиться своим мнением, каких примеров не хватает, сообщить о найденных ошибках, а также задать любые вопросы.
Предлагайте свои примеры
В комментариях на странице в сообществе предлагайте свои интересные примеры. Мы их оформим и выложим с указанием вашего авторства.
Старайтесь предлагать примеры, которые не слишком сложные и могут быть интересны широкой аудитории.
Нам важна ваша обратная связь
Если эти примеры или сам проект MATLAB-Examples показались вам интересными, пожалуйста, сообщите нам об этом, чтобы мы понимали, сколько сил в это стоит вкладывать. Это можно сделать несколькими способами:
- Оставить комментарий к статье
- Повысить или понизить рейтинг статьи
- Поставить звездочку репозиторию на GitHub
Источник: github.com
Рубрика: Matlab
Решение систем нелинейных уравнений в Matlab
Опубликовал: Nikiqq 22.06.2018
Создание GUI в MATLAB
Доброго времени суток! В этой статье мы поговорим о решении систем нелинейных алгебраических уравнений в Matlab. Вслед за решением нелинейных уравнений, переходим к их системам,…
Решение нелинейных уравнений в Matlab
Опубликовал: Nikiqq 24.09.2017
Доброго времени суток. В этой статье мы разберем решение простых нелинейных уравнений с помощью средств Matlab. Посмотрим в действии как стандартные функции, так и сами…
Численная оптимизация в Matlab
Опубликовал: Nikiqq 24.07.2017
Здравствуйте, уважаемые читатели. Продолжаем разбираться в Matlab. И сегодня наша тема связанна с численной оптимизацией — нахождением локальных и глобальных экстремумов функций одной или нескольких…
Решение ОДУ в Matlab
Опубликовал: Nikitas 01.03.2017
Доброго времени суток! Сегодня мы поговорим о решении ОДУ (обыкновенных дифференциальных уравнений) в Matlab. Перед тем как мы начнём обсуждать данную тему, советую вам ознакомиться…
Интегрирование в Matlab
Опубликовал: Nikitas 26.01.2017
Доброго времени суток! Мы продолжаем говорить о численных методах. И сегодня мы поговорим о реализации численных методов интегрирования в среде Matlab. Численное интегрирование в Matlab…
Численное дифференцирование в Matlab
Опубликовал: Nikitas 03.11.2016
Доброго времени суток! Сегодня мы продолжаем говорить об обработке статических данных (ранее разбирали апроксимацию и интерполяцию в Matlab). Численное дифференцирование в Matlab. Теория Процесс дифференцирования…
Аппроксимация в Matlab
Опубликовал: Nikitas 14.08.2016
Приветствую! Сегодня продолжаем говорить об обработке экспериментальных данных. Сегодняшняя статья — продолжение предыдущей темы: Интерполяция в Matlab. Настоятельно советую с ней ознакомиться перед чтением данной…
Интерполяция в Matlab
Опубликовал: Nikitas 30.07.2016
Доброго времени суток! Сегодня поговорим о работе с данными полученными «экспериментально». Подразумевается, что даны значения по двум или более координатам (точки), с которыми в задаче…
Решение СЛАУ и матрицы в Matlab
Опубликовал: Nikitas 29.06.2016
Доброго времени суток, читатели! Сегодня мы поговорим о матрицах в Matlab, об их применении в решении систем линейных алгебраических уравнений. Подробно разберем методы решения, и…
Источник: codetown.ru
Машинное обучение в MatLab/Octave: примеры алгоритмов, подкрепленные формулами
Недавно я начал изучать machine learning. Начал с прекрасного, на мой взгляд, курса от Andrew Ng. И чтобы не забыть, а так же повторить выученное решил создать репозиторий Machine Learning in Octave. В нем я собрал математические формулы для гипотез, градиентных спусков, «cost function»-ов, сигмоидов и прочих фундаментальных для машинного обучения «штук».
Так же добавил туда упрощенные и доработанные примеры реализации некоторых популярных алгоритмов (нейронная сеть, линейная/логистическая регрессия и пр.) для MatLab/Octave. Надеюсь эта информация будет полезна для тех из вас, кто планирует начать изучение machine learning-а.
Тема машинного обучения достаточно обширная, о чем можно судить, например, из следующей схемы, которую я взял (перевел) из великолепной статьи vas3k-а.
На данный момент из всего этого разнообразия в репозитории есть примеры пяти supervised и unsupervised алгоритмов:
- Линейная регрессия с примером прогнозирования стоимости дома.
- Логистическая регрессия с примерами определения неисправных чипов, а так же распознавания рукописных цифр с применением принципа «один против всех».
- Алгоритм K-means с примером распределения данных на три кластера.
- Поиск аномалий с помощью распределения Гаусса с примером определения перегруженного сервера.
- Нейронная сеть на основании многослойного «персептрона» с примером распознавания рукописных цифр.
Для каждого алгоритма есть файл demo.m , с которого можно начать анализ отдельно взятого алгоритма. При запуске этого файла из консоли Octave (или из MatLab-а) будет выведена служебная информация, иллюстрирующая работу алгоритма, а так же будут построены графики, помогающие разобраться с каким тренировочным сетом идет работа.
Надеюсь этот репозиторий будет для вас полезным и поможет сделать очередной шаг в сторону машинного обучения.
P.S. Примеры в репозитории созданы для MatLab/Octave. Это, возможно, не такая популярная опция сейчас, как Python, но все-же для обучения, быстрого прототипирования и того же перемножения матриц без дополнительных плагинов и библиотек может неплохо подойти. Еще раз успешного вам кодинга!
- machine learning
- artificial intelligence
- neural networks
- neural network
- matlab
- data science
- машинное обучение
- Программирование
- Машинное обучение
- Искусственный интеллект
Источник: habr.com