<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[m0_58619772的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/m0_58619772</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; m0_58619772]]></copyright><item><title><![CDATA[1.2（1） 欧拉方法]]></title><link>https://blog.youkuaiyun.com/m0_58619772/article/details/122736611</link><guid>https://blog.youkuaiyun.com/m0_58619772/article/details/122736611</guid><author>m0_58619772</author><pubDate>Fri, 28 Jan 2022 23:03:01 +0800</pubDate><description><![CDATA[让我们简单思考（ODEs）（1.1）的含义。可以得到以下两条信息：我们知道在一个初值点=处的值，并且给任何函数和时间，我们就能得到微分方程的斜率。这样做的目的是使我们能够估计出在其他点的值，最简单的方法是用线性插值，换句话说，我们通过做这样的近似，来估计的值，当足够小时，结合（1.1），



给出一系列，，,...,其中是步长，我们用表示精确解,的数值近似解，由式（1.3），我们采取

.

这个过程能够持续输出在,...处的近似解。通常我们能够得到一个递归式



这就是著名的欧拉方法。

欧拉方法..]]></description><category></category></item><item><title><![CDATA[欧拉方程及其他]]></title><link>https://blog.youkuaiyun.com/m0_58619772/article/details/122734275</link><guid>https://blog.youkuaiyun.com/m0_58619772/article/details/122734275</guid><author>m0_58619772</author><pubDate>Fri, 28 Jan 2022 21:00:45 +0800</pubDate><description><![CDATA[1.1常微分方程及利普希兹条件

我们对微分方程计算方面的研究，从研究常微分方程的数值方法开始（ODEs）。这是非常重要的，因为常微分方程在很多应用上有着举足轻重的作用。至关重要的是常微分方程对偏微分方程（PDEs)计算方法的设计与分析有帮助。因此，即使你主要感兴趣的是偏微分方程，你也应该先掌握常微分方程的计算方法，不仅使读者自己熟悉概念、术语和思想，而且许多（PDEs)的离散方法减少了许多（ODEs)计算的潜在问题。

我们的目标是去近似该问题的解



在这里f是一个性能良好的函数，从[,)到和初值是.]]></description><category></category></item><item><title><![CDATA[win10+pycharm+Anaconda+Tensorflow+Numpy适用于机器学习下的安装版本和安装流程]]></title><link>https://blog.youkuaiyun.com/m0_58619772/article/details/122705751</link><guid>https://blog.youkuaiyun.com/m0_58619772/article/details/122705751</guid><author>m0_58619772</author><pubDate>Wed, 26 Jan 2022 21:05:03 +0800</pubDate><description><![CDATA[win10系统已安装。

我们选择的编译器是pycharm,pycharm是JeBrains开发的python IDE，是一款功能强大的python编译器，具有跨平台性。

在安装朋友pycharm之前，我们先安装环境，这里选择的是Anaconda,因为它包含有机器学习涉及的conda、、python以及许多已经安装好的包，例如numpy、pandas等等。

安装Anaconda的具体好处详见博客：https://blog.youkuaiyun.com/wq_ocean_/article/details/

一、

]]></description><category></category></item></channel></rss>