SysIdentPy是一个Python系统模块，用于使用基于numpy构建的NARMAX模型进行系统识别，并根据3条款BSD许可进行分发。 该项目由Wilson RL Junior，Luan Pascoal C. Andrade和Samir AM Martins在系统识别学科的项目中启动。 塞缪尔（Samuel）于2019年初加入，此后做出了贡献。 文献资料 网站： ： 例子 SysIdentPy现在支持NARX神经网络和常规估计器，例如sklearn估计器和Catboost。 范例 from torch import nn import numpy as np import pandas as pd import matplotlib . pyplot as plt from sysidentpy . metrics import mean_squared_error fro

环matlab代码动力系统 仓本 著名的 Kuramoto 耦合模型的实现 [1,2]。 当前版本 (0.3) 提供： 谐波耦合项。 可以激活几乎没有预定义的任何类型的扰动。 贝叶斯-仓本 类在存在噪声的情况下执行时间演化耦合系统的动态贝叶斯推理 [3,4]。 基于一组论文（例如见下文）和作者之一提供的 MatLab 代码的算法 ()。 参考 [1] Kuramoto, Y. (1984)。 化学振荡、波和湍流（第 19 卷）。 [2] Acebron, JA 等 (2005)。 Kuramoto 模型：同步现象的简单范例。 现代物理学评论，77（1），137-185。 [3] A. Duggento 等人，“时间演化相互作用的动态贝叶斯推理：从一对耦合振荡器到振荡器网络”，Phys. E 版，2012 年。 [4] Tomislav Stankovski 等人，“时间演化动态贝叶斯推理教程”Eur。 物理。 J. 专题 223，2014 年。

纽约联储DSGE模型（版本1002） DSGE.jl包实现了纽约联储动态随机一般均衡（DSGE）模型，并提供了通用代码来估算许多用户指定的DSGE模型。 该软件包在Liberty Street Economics博客文章。 （我们之前将模型称为“ FRBNY DSGE模型”。） 此Julia语言实现反映了Liberty Street Economics博客文章包含的MATLAB代码。 单击上面的docs|dev按钮可以访问代码的docs|dev 。 有关最新型号版本的文档，请阅读此 。 纽约联储DSGE团队目前正在扩展代码，以解决和估计异构代理模型。 过滤和平滑算法可在已注册的软件包。 可以在注册软件包找到用于估计DSGE模型的顺序蒙特卡洛（SMC）采样的。 的基础AbstractModel类型，从该AbstractDSGEModel类型导出，在已注册的包被定义 。 纽约联储可酌

pygpc 基于广义多项式混沌方法的Python敏感性和不确定性分析工具箱 基本功能： N维系统的高效不确定性分析 使用Sobol指数和基于全局导数的敏感性指数进行敏感性分析 轻松耦合到用Python，Matlab等编写的用户定义模型... 并行化概念允许并行运行模型评估 高效的自适应算法可以分析复杂的系统 包括高效的CPU和GPU（CUDA）实施，可极大地加快解决高维和复杂问题的算法和后处理例程 包括最新技术，例如： 投影：确定最佳折减基数 L1最小化：利用压缩感测中的概念减少必要的模型评估 梯度增强型gPC：使用模型函数的梯度信息以提高准确性 多元素gPC：分析具有间断和急剧过渡的系统 优化的拉丁文Hypercube采样可实现快速收敛 应用领域： pygpc可用于分析各种不同的问题。 例如，在以下框架中使用它： 非破坏性测试： 无创性脑刺激： 经颅磁刺激：

- py-pde是一个Python软件包，用于求解偏微分方程（PDE）。 该程序包提供了可在其上定义标量和张量字段的网格的类。 关联的微分算子是使用numba编译的有限差分实现来计算的。 这允许定义，检查和求解典型的PDE，例如在物理动力系统研究中出现的PDE。 该软件包的重点在于易于使用，以探索PDE的行为。 但是，可以使用numba透明地编译核心计算，以提高速度。 安装 py-pde在pypi上可用，因此您应该可以通过pip安装它： pip install py-pde 为了使软件包的所有功能可用，您可能还需要安装以下可选软件包： pip install h5py pandas tqdm 此外，需要安装ffmpeg来创建电影。 或者，您可以使用频道通过安装py-pde ： conda install -c conda-forge py-pde 使用conda安装包括所

欧拉公式求长期率的matlab代码基于递归神经网络的动力系统机器学习 该项目涉及使用递归神经网络和Keras机器学习工具箱来重现状态空间模型的输入输出行为的学习。 文件“ system_identification_machine_learning.py”是主文件。 您应该从这里开始。 文件“ backward euler.py”定义了使用后向Euler方法离散化连续时间系统的函数。 从文件“ system_identification_machine_learning.py”中调用它。 我的网页上提供了该项目的完整说明：

欧拉公式求长期率的matlab代码使用Keras和MLP网络的动态系统ARX模型的机器学习 该项目涉及学习动态系统的ARX模型。 我们使用MLP网络来估算ARX模型。 有两个文件：1.-“ system_identification_ARX.py”-是主文件2.-“ backward_euler.py”-是从第一个文件调用的文件，此文件用于模拟系统 我写了一篇关于这个项目的详细文章。 在这里能找到它：