【SICP练习】26 练习1.32



练习1.32

因为递归比迭代要更容易实现,因此我先考虑的递归。先将sum和product都列出来。

(define (sum term a next b)

       (if(> a b)

      0

      (+(term a)

        (sum term (next a) next b))))

(define (product term a next b)

    (if(> a b)

       1

      (* (term a)

        (product term (next a) next b))))

通过对比我们发现,仅仅是有2个地方的区别。按照题中的要去,我们将0或1的位置用null-value代替,将+或*用combiner代替。在函数的参数中添加这两个新的参数即可。通过对比,其实也不难嘛。

(define (accumulate combinernull-value term a next b)

    (if (> a b)

       null-value

       (combiner (term a) (accumulate combinernull-value term (next a) next b))))

题中还要求我们定义出sum和product来,这里我就列出sum的递归accumulate版本。

(define (sum term a next b)

   (accumulate + 0 term a next b))

接下来我们再看看如何写出迭代版本的accumulate。还是一样,先列出迭代版本的sum和product。

(define (sum term a next b)

   (define (sum-iter a other)

       (if (> a b)

         other

          (sum-iter (next a)

(+(term a) other))))

   (sum-iter a 0))

(define (product term a next b)

   (define (product-iter a other)

       (if (> a b)

          other

          (product-iter (next a)

                        (* (term a) other))))

   (product-iter a 1))

同样是通过类比,我们又可以写出迭代版本的accumulate。

(define (accumulate combinernull-value term a next b)

    (define (accumulate-iter a other)

       (if (> a b)

          other

          (accumulate-iter (next a)

                          (combiner (term a)other))))

   (accumulate-iter a null-value))

这次我们就来写迭代版本的product。

(define (product term a nextb)

        (accumulate * 1 term a next b))

通过这些对比,感觉枯燥的递归和迭代还挺有意思的。

版权声明:本文为 NoMasp柯于旺 原创文章,未经许可严禁转载!欢迎访问我的博客:http://blog.youkuaiyun.com/nomasp

转载于:https://my.oschina.net/nomasp/blog/503411

内容概要:本文提出了一种基于融合鱼鹰算法和柯西变异的改进麻雀优化算法(OCSSA),用于优化变分模态分解(VMD)的参数,进而结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)构建OCSSA-VMD-CNN-BILSTM模型,实现对轴承故障的高【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)精度诊断。研究采用西储大学公开的轴承故障数据集进行实验验证,通过优化VMD的模态数和惩罚因子,有效提升了信号分解的准确性与稳定性,随后利用CNN提取故障特征,BiLSTM捕捉时间序列的深层依赖关系,最终实现故障类型的智能识别。该方法在提升故障诊断精度与鲁棒性方面表现出优越性能。; 适合人群:具备一定信号处理、机器学习基础,从事机械故障诊断、智能运维、工业大数据分析等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①解决传统VMD参数依赖人工经验选取的问题,实现参数自适应优化;②提升复杂工况下滚动轴承早期故障的识别准确率;③为智能制造与预测性维护提供可靠的技术支持。; 阅读建议:建议读者结合Matlab代码实现过程,深入理解OCSSA优化机制、VMD信号分解流程以及CNN-BiLSTM网络架构的设计逻辑,重点关注参数优化与故障分类的联动关系,并可通过更换数据集进一步验证模型泛化能力。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值