登录
首页 » 算法 » zeoppritz方程正演

zeoppritz方程正演

于 2022-05-29 发布 文件大小:129.51 kB
0 306
下载积分: 2 下载次数: 1

代码说明:

利用zeoppritz方程求取反射系数,合成地震记录。1D Zoeppritz正演,avo分析,也可以进行AVA分析。

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • 希尔重新加密和加密
    希尔的方法,这是一个使用方阵的加密方法。我们相信这是一个有吸引力的方式,让学生学习矩阵代数,算术模n和算法的概念。
    2022-02-15 02:05:44下载
    积分:1
  • 数据挖掘统计方与实践,主要讲述统计学在数据挖掘中的应用。...
    数据挖掘统计方法与实践,主要讲述统计学在数据挖掘中的应用。-Data Mining and practice of statistical methods, mainly on the statistics in data mining applications.
    2023-07-26 23:50:05下载
    积分:1
  • VTK读取STL文件
    是独立媒体网络一个免费的,开源的代码基方案,它的同盟者将提供“下一代”可信赖的多语言开放出版,包括增强的安全和秘密、用户化、企业联合组织和分布式(点对点)多媒体存储,搜索和流动。这里利用了VTK函数获取STL数据,并且实现了实体的移动和变换
    2022-07-19 17:48:55下载
    积分:1
  • 四叉树---三维场景优化加载 opengl
    三维场景优化加载,用opengl 实现,涉及四叉树分割, LOD  l以及块与块之间裂缝的修补,等等  窥探三维场景四叉树加载的入门例子
    2022-10-25 22:10:02下载
    积分:1
  • BASE64编码解码
    BASE64是将2进制数据转换为字符串的常用编码方式,在。NET中有现成的类可以使用,但是C++就得自己按照算法实现了。现将C++的实现共享。包含单元测试代码。
    2022-02-10 03:45:20下载
    积分:1
  • 购物商场中模拟排队的程序
    购物商场中模拟排队的程序-Program which simulates shopping queues
    2022-11-15 23:40:02下载
    积分:1
  • 部分旋转
    要解决 N 由 N 线性系统 C C E1: A(1,1) X(1) + A(1,2) X(2) +......+ A(1,N) X(N) = A(1,N+1) C E2: A(2,1) X(1) + A(2,2) X(2) +......+ A(2,N) X(N) = A(2,N+1) C   : C   . C EN: A(N,1) X(1) + A(N,2) X(2) +......+ A(N,N) X(N) = A(N,N+1) C C C 输入: 数目的未知数和方程 N;增广的矩阵 C A=(A(I,J)) 哪里 1 < = I < = N 和 1 < = J < = N + 1。 C C 输出: 解决方案 X(1),X(2),...,X(N) 或 A 消息, C 线性系统有没有独特的解决方案。 C
    2023-07-28 04:30:03下载
    积分:1
  • 迷宫生成及搜索,一些好的,分享给大家
    迷宫生成及搜索算法,一些好的算法,分享给大家-maze generation and search algorithm, some good algorithm, we share
    2022-06-19 21:56:39下载
    积分:1
  • 这是最小二乘多项式拟合的 很有参考价值的程序,
    这是最小二乘法多项式拟合的算法 很有参考价值的程序,-This is the least squares polynomial fitting algorithm is very useful procedure,
    2022-03-22 18:59:30下载
    积分:1
  • BP网络的C/C++实现,含有详细代码和例子,适合初学者
    应用背景人工神经网络(ANN)中关于反向传播算法的内容,相比单个感知器而言,采用多层网络的反向传播算法能表示出更多种类的非线性曲面,整个神经网络可以分成三层:输入层,隐藏层,输出层,通过加权线性变换,层与层之间的传递,最终得到输入层的实数值。关键技术 本人根据附件里面的文章编写的反向传播算法代码,里面含有详细的代码注释和文章例子, 可以让初学者深刻理解反向传播算法,适合初学者学习。给出BP算法训练的例子,对单个样本的训练的情况进行编写和验证。 //输入层到隐层的过程 float fNetj[m]; for (int j= 0;j < m; j++){ fNetj[j] = fTheta[n][j]; //这里权值矩阵最后一列是偏置,偏置×1还是偏置,所以直接加上, //后面就不用乘了 for(int i = 0;i < n; i++){ //得到netj 的值 netj= X^V fNetj[j] +=fInputdata[i]*fTheta[i][j]; } fMidResult[j] = 1/(1 + exp(-fNetj[j])); //cout
    2022-08-03 01:10:12下载
    积分:1
  • 696516资源总数
  • 106914会员总数
  • 0今日下载