优秀论文及配套源码。电压暂降是动态电能质量问题

AR自回归模型，采用matlab预测程序，差分标准化数据后进行AR模型使用判定，之后定AR阶数，做预测处理

考虑到了射频干扰的影响，经过实际电路验证，绝对可用

印度黑客大牛Linux内核重要开发者的力作《精通Linux设备驱动程序开发》，中文版由宋宝华等国内高手翻译，是学习Linux内核驱动的重要参考用书！本资源是中英文版的合集，物超所值哦！楼主收集了目前已知的所有Linux内核及驱动开发学习书籍，请参参考楼主其他资源！

模型格式转换工具，支持osgb、ive、osg、obj四种格式之间的相互转换

实现RBF预测的matlab 源代码已含数据预处理部分

神经网络预测控制程序的源代码，神经网络的种类是径向基函数神经网络,很好的资源

c++实现将窗体移动到扩展显示器，默认系统设置主窗口在最左边，扩展窗口在右侧

【实例简介】te过程的仿真模型，有21种故障。TE过程是由田纳西-伊斯曼化学品公创建的基于一个真实化工过程的仿真,其目的是为评价过程控制和监控方法提供一个现实的工业过程。TE过程是个很复杂的非线性过程，整个过程涉及变量多。

【实例简介】该文档为3GPP国际标准组织发布的最新5G规范，R16，主要为基站无线发送和接收技术方面，主要章节为： 1 Scope 2 Reference 3 Definitions,symbols and abbreviations 4 General 5 Operating bands and channel arrangement 6 Conducted transmitter characteristics 7 Conducted receiver characteristics 8 Conducted performance requirements 9 Radiated transmitter characteristics 10 Radiated receiver characteristics 11 Radiated performance requirements Annex A (normative): Reference measurement channels Annex B (normative): Error Vector Magnitude (FR1) Annex C (normative): Error Vector Magnitude (FR2) Annex D (normative): Characteristics of the interfering signals Annex E: Void Annex F (normative): Relationship between EIRP based regulatory requirements and 3GPP requirements Annex G (Normative): Propagation conditions Annex H (informative): Change history

深度学习在强化学习方面的应用所产生的深度强化学习取得快速发展。如何解释深度强化学习优势产生的原因是理解技术的基本方法。强化学习的问题ntel ab数据&智能实验室Agentstate rewardS,||R+=PS=1=8:8:1anR,+1, Environment5o,A0,B1,S1,41,,S2,A2,R3东南大学数据与智能实验室(D& nte lab)强化学习算法的基本范式ntel ab数据&智能实验室Generalized Policy Iteration1. Policy Iteration2. Value iterationevaluationTTU,丌率丌~ greedy(Vdyugreimprovement1. Policy Evaluation博弈2. Policy Improvement1.策略评价逼近策略价值2.策略提高远离策略价值Elements of rlntel ab数据&智能实验室o Policy Valuation Oriented MethodsModel-based or free estimationExp ion or Exploit0 nl ine or0千f|ineExpans ion and Backup Operation(q*)maxnax东南大学数据与智能实验室(D& Inte lab)Position of rlntel ab数据&智能实验室Long short TermPixeICNNPixeIRNNMemory(LSTM)ConvolutionNetworks withFully ConnectedNeural NetworkAutoregressiveNetworkMemoryNetwork(CNN)(FCN)StochasticGradientSecond OrderEarth Mover DistanceDescent (SGD)Algorithms(EMD)NetworksyRt+k+1 St=s, At=ak=0