Fortran和Matlab代码项目“政治约束和主权默认溢价”的技术实现

这是一个持续更新的活动档案存储库，包含已用于课程和公开发布的代码组合，适用于潜在雇主和一般教育目的。项目按照一般主题和单个项目文件夹进行组织，涵盖多种语言和目标体系结构，包括C、C++、Python、Shell脚本/Bash、VHDL、MATLAB，以及并行编程语言如OpenMP、MPI、OpenACC和CUDAC。所有文档均使用Overleaf（前身为ShareLaTeX）开发，适用于课堂报告和演示。

该项目涉及NMF的Matlab代码和ETHZ 2020春季课程的项目工作。课程内容包括：2-D半隐式有限Prandtl数对流，Fortran中的OOP概念如派生类型、类型扩展、多态性和类型绑定过程，以及相关模块和基础知识。Fortran 95作为现代科学和工程应用程序设计的编程语言，适合初学者和已有MATLAB编程经验的学生。课程强调动手实践，以地球科学相关的科学问题作为示例。

在中，我们进行了离散控制Matlab代码的Julia，Matlab，Octave和Fortran FEM基准测试和比较。我们评估了这些语言在解决单位平方上的二维泊松问题时的性能，采用了Q1双线性Lagrange有限元离散化。Octave和Matlab代码衍生自生产代码，而Fortran 77代码则使用了FEM CFD求解器中的Feat2D FEM库。Julia代码直接进行了端口转换。尽管这些代码在性能和代码路径上存在差异，但它们的设置和实现保持了等效性，确保了基准测试的可比性。主要的区别在于Octave，Matlab和Julia使用了默认的稀疏线性求解器，而FeatFem Fortran代码则使用了其默认的稀疏线性求解器。

此存储库包含检索练习项目的主要脚本。这些脚本经过MATLAB 2016a测试，需要ExampleData文件夹中的数据。运行脚本前，需将Dependencies文件夹添加到MATLAB中。

为了使所有图形的网格和停靠达到MATLAB开发的默认设置，可以在启动时运行以下两行脚本。

Fortran和Matlab在数据类型及数值计算中的应用进行了比较分析。

MATLAB利用图表展示了鬼魂和其他异见信仰如何与政治派别相关联。支持向量机被用来预测人们的政治倾向，通过卡片反人类调查中的看似无关问题。该项目是2020年春季蒙大拿州立大学机器学习数学课程的一部分，由Cassie Noble和David Kelly合作编写。演示包括视频和PDF版本，代码文件夹提供了MATLAB和R代码，用于数据分析和可视化。

Matlab开发者可以使用以下代码来执行数字和图像的Golomb编码，这种编码技术在数据压缩中广泛应用。Golomb编码通过有效地表示非均匀概率分布的数据，优化了数据存储和传输效率。该方法尤其适用于数字和图像处理领域，能够显著减少存储空间需求并提升数据传输速度。Matlab代码的实现简单易懂，可以帮助开发者快速应用这一高效编码技术。

基于Sklar的《数字通信-基础和应用》第二版第8章，展示了如何使用MATLAB重新生成文章中的图表，这些图表使用了Reed Solomon代码，是学习该代码的理想工具。