基于圆向量函数的圆柱分度凸轮的设计，孟凡银，张云文，针对目前圆柱分度凸轮的设计方法复杂的问题，应用圆向量函数推导出了凸轮廓面方程，计算了凸轮机构的压力角。采用Matlab软件编程、

代码主要是基于蒙特卡洛和copula函数生成考虑风光空间相关性的出力，并用kmeans进行场景缩减，得到典型日风光出力及其概率，并且可以改变场景生成数量及缩减场景的数量

在大型强子对撞机（LHC）寻找标准模型物理之外的研究中，parton分布函数（PDF）的参数化不确定性正成为严重限制系统不确定性的问题。 对于夸克和反夸克碰撞引起的大尺度测量尤其如此，其中Drell-Yan连续体背景占主导。 最近提供了一些工具，这些工具可用于探索PDF拟合策略并在未来的全球拟合中模拟新数据的效果。 ePump就是这样一种工具，它表明，对可测运动量的明智选择可以通过显着因素来减少分配的系统PDF不确定性。 将来的LHC标准模型数据集的巨大统计精度将使这成为可能。

在QCD的Dyson-Schwinger方程公式中，使用了彩虹梯形截断法来计算pion价-夸克分布函数（PDF）。 间隙方程以典型的强子尺度重新规范化，约为0.5 GeV，这也被设置为pion PDF的默认初始尺度。 我们为PDF实施了正确的前导表达式，以确保化合价夸克在初始比例下携带所有pion的轻前动量。 当x接近1时，发现pion PDF在5.2 GeV的典型部分尺度上的缩放行为为（1-x）ν，其中ν≃1.6。

我们研究过程pp→γ*，Z→ℓ+ ℓ−（with = e，μ）过程中的截面σ和前后不对称性（AFB），以确定质子的Parton分布函数（PDFs）。 我们表明，一旦映射到Dilepton最终状态的不变质量M（ℓℓ），则可观察到的σ和AFB都将显示出统计误差，该误差目前与分配给现有PDF集的误差相当，并且该误差会迅速变小。 大型强子对撞机运行II中积累的光度会比后者高。 此声明适用于高峰（M）区域和非高峰M（β）区域，都位于其正下方和正上方，从而提供了一种在较大（x，Q2）范围内约束夸克PDF的方法。

Parton分布函数（PDF）是非扰动量，描述了强子与其中的夸克和胶子之间的关系。 我们建议从QCD全局分析的“数据”中提取PDF，这些数据是由具有良好“晶格横截面”的晶格QCD计算产生的，这些基本是单晶格矩阵元素，可以将晶格QCD计算出来，并将扰动QCD分解为PDF。 为了证明存在良好的“晶格横截面”，我们采用Ji [Phys。 牧师 110，262002（2013）]作为案例研究表明，如果可以对它进行乘性重新归一化，则可以将其分解为扰动理论中所有阶数的PDF。 我们以αs的倒数第二个顺序计算分解系数。

Ji [1]的最新提出的大动量有效理论（LaMET）导致晶格从业者爆发出活动，以执行和控制核子准PDF的首次开创性计算。 这些计算代表对标准的近似值，这些精确的PDF定义为具有光状间隔的场的相关函数，而是沿算子γz的纵向方向的相关性； 因此，它们与标准PDF的区别在于带有功率抑制1 / pz2校正的微扰匹配条件，在极限pz→∞内变得精确。 因此，调查这种行为的系统性对于理解LaMET计算的有效性至关重要。 尽管这是使用核子模型完成的，但尚未对π和ρ价夸克分布函数进行类似的专门研究。 使用组成夸克模型，进行了系统的计算，以估计这些准PDF中有限pz效应的大小和x依赖性，发现它们比轻子介子比共线准PDF的潜在更温和。

我们提出了一个将核子作为一对介子的新描述。 我们描述的核子的重子数不是1而是0。但是，这很可能是因为质子自旋危机表明重子自旋不再能够说明组成夸克的数目。 因为我们使用派生的介子波函数来描述一个核子，所以我们的描述自动具有仿生自由度，并且可以与构成夸克模型进行比较。 使用此描述，我们研究了质子和中子的电荷和磁化密度函数。 除奇异性的大小外，中子的电荷密度函数与Galster模型和Maints数据非常相似。 质子的密度函数也表现出与Kelly相似的行为，除了接近原点。 通过对密度函数进行傅立叶变换，我们可以得到Sachs电磁形状因子，可以将其与Ye等人推导的参数化方法进行比较。

C语言实现用于快速计算正余弦的查表法算法。

matlab代码设置参数范围迪普考夫曼 神经网络学习库普曼特征函数 Bethany Lusch，J。Nathan Kutz和Steven L.Brunton撰写的论文代码 运行代码： 克隆存储库。 在数据目录中，通过在Matlab中运行DiscreteSpectrumExample，Pendulum，FluidFlowOnAttractor和/或FluidFlowBox来重新创建所需的数据集。 （或通过电子邮件询问数据集） 返回主目录，使用python运行所需的实验。 有关运行Python实验的注意事项： 建议使用GPU，但不是必需的。 该代码可以在GPU或CPU上运行，而无需进行任何更改。 本文包含四个数据集的结果。 这些是运行脚本进行随机参数搜索（DiscreteSpectrumExampleExperiment.py，PendulumExperiment.py，FluidFlowOnAttractorExperiment.py和FluidFlowBoxExperiment.py）的最佳结果。 要使用产生论文结果的特定参数而不是进行参数搜索来训练网络，请运行DiscreteSpec