設計和開發工具‎ > ‎設計‎ > ‎

IMSL Numerical Libraries

張貼者:2010年7月29日 上午12:11未知的使用者   [ eddie liu 已於 2012年8月9日 上午1:34 更新 ]



IMSL Numerical Libraries 一直是基石高性能和台式電腦以及預測分析的應用科學,技術和商業環境為超過30年。

這些嵌入的數學和統計算法可用於範圍廣泛的應用-包括計劃,幫助飛機飛行,預測天氣,使創新的人類基因組研究,預測股票市場的行為,並提供風險管理和組合優化。 

此外, 巨大的利益 ,可實現與產品能力,加快發展的時間,減少編碼的麻煩,提高質量,降低開發成本。 



---
開發商: Visual Numerics, Inc.
原廠網址: http://www.vni.com/products/imsl/
更新日期:2011/05/29
採購正式版、大量授權報價、技術支援、軟體諮詢、委託採購、詢問報價請來電 02-29299388 分機16 , 
來信service@orderble.com,或點我
-----------------------------------------------------------------------------


功能領域包括在C#中的IMSL的數值庫:

數學統計
  • 矩陣運算
  • 線性代數
  • Eigensystems
  • 插值與逼近
  • 數值積分
  • 微分方程
  • 非線性方程
  • 優化
  • 特殊功能
  • 財務及債券的計算
  • 遺傳算法
  • 基本統計
  • 時間序列和預測
  • 非參數檢驗
  • 相關性與協方差
  • 數據挖掘
  • 回歸
  • 方差分析
  • 變換
  • 擬合優度
  • 分佈函數
  • 隨機數生成
  • 神經網絡








The IMSL Numerical Libraries have been the cornerstone of high-performance and desktop computing as well as predictive analytics applications in science, technical and business environments for well over three decades. These embeddable mathematical and statistical algorithms are used in a broad range of applications -- including programs that help airplanes fly, predict the weather, enable innovative study of the human genome, predict stock market behavior and provide risk management and portfolio optimization. In addition, significant benefits can be realized with the product ability to accelerate development time, reduce coding hassle, improve quality, and reduce development costs. 



Functional areas included in the IMSL C# Numerical Library:
MathematicsStatistics
  • Matrix Operations
  • Linear Algebra
  • Eigensystems
  • Interpolation & Approximation
  • Numerical Quadrature
  • Differential Equations
  • Nonlinear Equations
  • Optimization
  • Special Functions
  • Finance & Bond Calculations
  • Genetic Algorithm
  • Basic Statistics
  • Time Series & Forecasting
  • Nonparametric Tests
  • Correlation & Covariance
  • Data Mining
  • Regression
  • Analysis of Variance
  • Transforms
  • Goodness of Fit
  • Distribution Functions
  • Random Number Generation
  • Neural Networks

Comments