jdk-8u171-linux-x64.tar

有效值计算算法c语言实现，采用四分之一周波滑动平均，默认一周采样256点，采样点数可更改。实时计算，采一个点计算一次，精度较高，容易移植。

用于岭回归模型进行交通流量预测的基础数据。根据已有的交通流量数据，对以后时间的车流量的信息进行回归预测。数据来源：某路口的交通流量监测数据，记录全年小时级别的车流量。

一个AGV模拟界面，能够模拟AGV循迹运动，可以同时运行多个AGV（13），AGV手动添加，

【实例简介】详细的深度置信神经网络的matlab代码。深度信念网络，DBN，Deep Belief Nets，神经网络的一种。既可以用于非监督学习，类似于一个自编码机；也可以用于监督学习，作为分类器来使用。 从非监督学习来讲，其目的是尽可能地保留原始特征的特点，同时降低特征的维度。从监督学习来讲，其目的在于使得分类错误率尽可能地小。而不论是监督学习还是非监督学习，DBN的本质都是Feature Learning的过程，即如何得到更好的特征表达。

基于稀疏表示的人脸识别系统设计采用sparse 中的L1-norm minimization基于经典入门论文《face recogniton via sparse representation》MATLAB程序，完全运行，包含基本GUI设计和完整代码可以参考说明一步步跑下来，希望能帮助大家

吴恩达斯坦福大学机器学习最新课件，是2017年10月份吴恩达课程课件

ue编辑器64位免安装版，中文绿色破解版

对雨流计数法的详细m文件，能够很好地学习计数法和运用在学业中。

中文版的GMT画图指导书，比英文版的更加简明清晰。

【实例简介】LSTM异常检测自动编码器 使用LSTM自动编码器检测异常并对稀有事件进行分类。 如此多次，实际上是现实生活中的大多数数据，我们都有不平衡的数据。 数据是我们最感兴趣的事件，很少见，不像正常情况下那么频繁。 例如，在欺诈检测中。 大多数数据是正常情况，无论数据是否已标记，我们都希望检测异常或何时发生欺诈。 处理未标记的数据时，我们通常会使用“异常值检测”方法，例如，基于聚类的局部离群值因子（CBLOF） ，基于直方图的离群值检测（HBOS）等。而标记的数据被视为“分类”问题和分类器，如和。 但是，由于正数据点在数据中很少见，因此该算法发现很难从数据中学到很多东西。 例如，分类器通常最终会在所有情况下都预测为“负”，以实现最佳准确性。 在这里，我们将研究可用于有监督和无监督以及罕见事件分类问题的另一种方法。 长短期记忆自动编码器。