Lyapunov.m 随机网络优化的Matlab开发

此存储库包含Matlab代码，用于描述无标度随机网络上的随机SIR动力学。该模型的详细描述可以在Matia Sensi合著的论文“网络属性和流行病参数如何影响无标度随机网络上的随机SIR动态”中找到。我们欢迎您提供反馈意见和建议。如果您发现错误或有任何问题，请通过以下邮箱联系我们：sara.sottile@unitn.it, ozan.kah@gmail.com, mattia.sensi@unitn.it。通过配置模型，您可以选择幂律分布的指数来生成无标度网络，并决定传播速度、感染节点的初始数量及其位置（如中心、平均程度、外围或随机）。运行程序的方法是键入：./configuration.py [FLAG] [P]。设置参数的方法是：N [节点数量] alpha [幂律指数] number_of_infected [起始时的感染数量] end_time [最大时间]

随机神经网络引入了神经网络中的随机变化，一种方法是通过在神经元之间引入随机过程传递函数，另一种方法是为神经元分配随机权重。这种设计使得随机神经网络在解决优化问题时非常有效，因为随机性可以帮助避免陷入局部最优解。基于随机传递函数构建的随机神经网络通常被称为波茨曼机（Boltzmann machine），在风险控制、肿瘤学和生物信息学等领域有广泛应用。

在Matlab中，计算系统的最大Lyapunov指数是评估混沌性质的重要方法。Lyapunov指数描述了系统中相近轨道随时间按指数方式分离或聚合的速率。使用Chen系统的Lyapunov指数谱函数，结合ode45函数解决微分方程组获取系统轨道信息，并使用Jacobi矩阵计算Lyapunov指数。调整参数a、b和c影响系统混沌性质，其中a范围为32到40。计算结果显示Lyapunov指数大于零即系统为混沌系统。该方法可预测系统长期行为。

MATLAB中计算Lyapunov指数的方法涉及自动控制理论和先进控制理论中系统稳定性的分析。

例如，eomdateAN(2007,0)可以返回日期31.12.2006，eomdateAN(2007,-1)可以返回日期30.11.2006，eomdateAN(2007,-12)可以返回日期31.12.2005，eomdateAN(2007,13)可以返回日期31.01.2008。

使用Matlab编写的Lyapunov指数计算程序可用于分析动力系统的稳定性。

提供SVM、BP神经网络、随机森林的Matlab代码。

Matlab开发：Saitis钢琴模型m。新近开发的有限差分模型，专注于钢琴弦的耗损问题。

Matlab开发 - 创建mosaic.m。这个脚本能够从给定图像卷创建平铺的马赛克图像。