小编rct*_*cty的帖子

我正在使用Python脚本在Abaqus中执行某些功能.现在,在运行一些迭代后,由于错误,Abaqus退出脚本.

是否有可能在Python中绕过错误并继续其他迭代？

错误消息是

#* The extrude direction must be approximately orthogonal
#* to the plane containing the edges being extruded.

一些迭代出现错误,我正在寻找一种忽略错误的方法,并在遇到这样的错误时继续循环.

for循环是给定的;

for i in xrange(0,960):
    p = mdb.models['Model-1'].parts['Part-1']
    c = p.cells
    pickedCells = c.getSequenceFromMask(mask=('[#1 ]', ), )
    e, d1 = p.edges, p.datums
    pickedEdges =(e[i], )
    p.PartitionCellByExtrudeEdge(line=d1[3], cells=pickedCells, edges=pickedEdges, 
    sense=REVERSE)

这可行吗？谢谢!

我有很多值,当绘制为散射(x,y,z)时,显示z轴的颜色条显示了大范围的值,现在我对较低的范围值不感兴趣.有没有方法可以改变颜色条的范围.我有以下部分代码来绘制,我也打算绘制日志图.例如.我想将日志图中的范围设置为14到最大值.

我想要一些值根本不显示.这样颜色条的范围就有限,比如从14到最大.目前它在对数图中显示从9到最大值.

scatter(x(1:end-1), y(1:end-1), 5, gnd);

title('G plot (m^-^2)');

colorbar('eastoutside');

xlabel(' X-axis (microns)');

ylabel('Y-axis (microns)');

figure;

log_g=log10(gnd);

scatter(x(1:end-1), y(1:end-1), 5,log_g);

colorbar('eastoutside');

xlabel(' X-axis (microns)');

ylabel('Y-axis (microns)');

title('G Density, log plot (m^-^2)');

我有兴趣了解神经网络,作为一个例子,我尝试使用以下实验得出的数据集.

我正在使用以下输入向量作为我的神经网络;

X = [1 1; 1 2; 1 3; 1 4; 4 1; 4 2; 4 3; 4 4; 7 1;7 2; 7 3; 7 4]';
Tc = [1 1 2 3 1 1 2 2 1 1 2 2];

我想将输入数据分成三类,由输入向量Tc描述.然后我将目标类索引Tc转换为向量T,并且我使用的扩展值为1.

在MATLAB中使用newpnn函数,我得到了三个类的决策边界.

如果决策边界合适,我对验证有疑问.我使用X =[2;3.55]属于第2类的单个数据来验证输出.它由输出图中的黑点描绘.蓝色是1级.黄色是属于2级的区域.红色是3级.

如图中所示,发现神经网络的预测是2级,其与该组的实际类别一致.

那么,这是否意味着我的神经网络是正确和有效的？

PS我对神经网络有基本的了解.此外,我理解拥有更多培训示例和验证集的概念.我期待一个能够满足可用细节的答案,因为我无法通过实验获得更多数据.

我有以下NX1矩阵,在这里,n非常大,我想执行以下操作 - (第2期)减(第一​​项),即(2.25555-1.45656),(4.74096-2.25555),(440.0000-4.74096 )等等......剩余的'n'行数

1.45656
2.25555
4.74096
440.00000
0.02000
550.7
0.268

我已经完成了以下操作,但它只提供了一个值

[n,m]=size(a)
for i=1,n
    delta_g12(i)=(g_12(i+1)-g_12(i));
end

我有多个数据数组,其中只需要将x,y和z数组导出为文本.我知道如何导出单个数组,但无法将3列数据导出为文本文件.请帮助,我尝试了以下..

        fid = fopen('g.txt','w');
        fprintf(fid,'%f \n',x,y,z);
        fclose(fid);