-
国际参考电离层模型IRI的matlab程序
包含IRI2007、2012、2016三个版本，分别为IRI2007、IRI2012、IRI2016三个文件。在iritest中fun2test的参数分别更改为@iri2007、@iri2012、@iri2016可以得到对应的iri模型值。
- 2020-11-30下载
- 积分：1
-
简易好用的snmp测试工具
好用的snmp测试工具，测试SNMP设备及系统SNMP必备工具
- 2021-03-16 23:19:21下载
- 积分：1
-
基于ANN的6种（2ASK、4ASK、2FSK、4FSK、2PSK、4PSK）调制信号自动调制识别
基于ANN的6种信号自动调制识别，内附完整代码。6种信号分别为2ASK、4ASK、2FSK、4FSK、2PSK、4PSK。适合初学者使用
- 2020-12-01下载
- 积分：1
-
sklearn0.19中文文档
sklearn0.19中文文档 PDF格式高清。.1. 广义线性模型1.1.1. 普通最小二乘法1.1.1.1. 普通最小二乘法复杂度1.1.2. 岭回归1.1.2.1. 岭回归的复杂度1.1.2.2. 设置正则化参数：广义交叉验证1.1.3. Lasso1.1.3.1. 设置正则化参数1.1.3.1.1. 使用交叉验证1.1.3.1.2. 基于信息标准的模型选择1.1.3.1.3. 与 SVM 的正则化参数的比较1.1.4. 多任务 Lasso1.1.5. 弹性网络1.1.6. 多任务弹性网络1.1.7. 最小角回归1.1.8. LARS Lasso1.1.1.监督学习1.1.广义线性模型o1.1.1.普通最小二乘法1.1.1.1.普通最小二乘法复杂度o1.1.2.岭回归1.1.2.1.岭回归的复杂度1.1.22.设置正则化参数:广义交叉验证o 113. Lasso■1.1.3.1.设置正则化参数1.1.3.1.1.使用交叉验证■1.1.3.1.2.基于信息标准的模型选择1.1.3.1.3.与SVM的正则化参数的比较o1.1.4.多任务 Lassoo1.1.5.弹性网络o1.1.6.多任务弹性网络o1.1.7.最小角回归o.8. LARS Lasso■1.1.8.1.数学表达式o1.1.9.正交匹配追踪法(OMP)o1.1.10.贝叶斯回归1.1.10.1.贝叶斯岭回归1.1.10.2.主动相关决策理论-ARD1.1.11. logistic回归o1.1.12.随机梯度下降,SGDo1.1.13. Perceptron(感知器)o1.1.14. Passive Aggressive Algorithms(被动攻击算法)o1.1.15.稳健回归( Robustness regression):处理离群点( outliers)和模型错误1.1.15.1.各种使用场景与相关概念■1.1.15.2. RANSAC:随机抽样一致性算法( RANdomSAmple Consensus1.1.15.2.1.算法细节1.1.15.3.Thel-sen预估器:广义中值估计1.1.153.1.算法理论细节1.1.154. Huber回归1.1.155.注意1.1.16.多项式回归:用基函数展开线性模型1.2.线性和二次判别分析o1.2.1.使用线性判别分析来降维o12.2.LDA和QDA分类器的数学公式o123.LDA的降维数学公式o1.2.4. Shrinkage(收缩)o12.5.预估算法1.3.内核岭回归1.4.支持向量机o1.4.1.分类■1.4.1.1.多元分类■1.4.1.2.得分和概率1.4.1.3.非均衡问题1.4.2.回归o143.密度估计,异常( novelty)检测o1.4.4.复杂度o1.4.5.使用诀窍o1.4.6.核函数1.4.6.1.自定义核14.6.1.1.使用 python函数作为内核1.4.6.1.2.使用Gram矩阵14.6.1.3.RBF内核参数o1.4.7.数学公式1.4.7.1.sVC■1.4.7.2. NuSVo1.4.7.3.sVRo14.8.实现细节1.5.随机梯度下降o1.5.1.分类o1.5.2.回归1.5.3.稀疏数据的随机悌度下降o1.5.4.复杂度o1.5.5.实用小贴士o1.5.6.数学描述■1.5.6.1.SGDo1.5.7.实现细节1.6.最近邻o1.6.1.无监督最近邻■1.6.1.1.找到最近邻1.6.1.2. KDTree和 BallTree类1.62.最近邻分类o16.3.最近邻回归o1.6.4.最近邻算法1.64.1.暴力计算■1.6.4.2.K-D树1.64.3.Ba|树■1.6.4.4.最近邻算法的选择1.6.4.5.1 eaf size的影响o165.最近质心分类1.6.5.1.最近缩小质心1.7.高斯过程o1.7.1.高斯过程回归(GPR)o1.7.2.GPR示例1.7.2.1.具有噪声级的GPR估计1.722.GPR和内核岭回归( Kernel Ridge Regression)的比较1.7.2.3. Mauna loa co2数据中的GRRo1.7.3.高斯过程分类(GPC)o1.7.4.GPC示例1.7.4.1.GPC概率预测■1.74.2.GPC在XOR数据集上的举例说明■1.7.4.3.iris数据集上的高斯过程分类(GPC)o1.7.5.高斯过程内核1.7.5.1.高斯过程内核AP■1.7.5.2.基础内核■1.7.5.3.内核操作1.7.5.4.径向基函数内核1.7.5.5. Matern内核1.7.5.6.有理二次内核1.7.5.7.正弦平方内核1.7.58.点乘内核■1.7.5.9.参考文献o1.7.6.传统高斯过程1.7.6.1.回归实例介绍1.7.62.噪声数据拟合17.6.3.数学形式1.7.6.3.1.初始假设■1.7.6.32.最佳线性无偏预测(BLUP)1.7.6.3.3.经验最佳线性无偏估计( EBLUP)1.7.6.4.关联模型1.7.6.5.回归模型1.7.6.6.实现细节1.8.交叉分解1.9.朴素贝叶斯o1.9.1.高斯朴素贝叶斯o1.92.多项分布朴素贝叶斯1.9.3.伯努利朴素贝叶斯1.9.4.堆外朴素贝叶斯模型拟合1.10.决策树o1.10.1.分类o1.10.2.回归o1.10.3.多值输出问题o1.10.4.复杂度分析o1.10.5.实际使用技巧1.10.6.决策树算法:ID3,C4.5,c5.0和CARTo1.10.7.数学表达1.10.7.1.分类标准■1.10.7.2.回归标准1.11.集成方法o1.111. Bagging meta-estimator( Bagging元估计器)o1.11.2.由随机树组成的森林1.11.2.1.随机森林1.11.2.2.极限随机树1.11.2.3.参数1.11.24.并行化1.11.2.5.特征重要性评估1.11.2.6.完全随机树嵌入o 1.113. AdaBoost1.11.3.1.使用方法o1.114. Gradient Tree Boosting(梯度树提升)1.11.4.1.分类1.11.42.回归1.114.3.训练额外的弱学习器1.11.4.4.控制树的大小■1.11.4.5. Mathematical formulation(数学公式)■1.11.4.5.1. LoSS Functions(损失函数)1.114.6. Regularization(正则化)■1.14.6.1.收缩率( Shrinkage)■1.1.4.6.2.子采样( Subsampling)■1.11.4.7. Interpretation(解释性)1.114.7.1. Feature importance(特征重要性)1.114.7.2. Partial dependence(部分依赖)o1.11.5. Voting Classifier(投票分类器)1.115.1.多数类标等(又称为多数/硬投票)1.11.5.1.1.用法■1.11.52.加权平均概率(软投票)1.11.5.3.投票分类器( Voting Classifier)在网格搜索( Grid search)应用1.11.5.3.1.用法1.12.多类和多标签算法o1.12.1.多标签分类格式o1.12.2.1对其余1.122.1.多类学习1.122.2.多标签学习o1.12.3.1对11.12.3.1.多类别学习o1.12.4.误差校正输出代码1.12.4.1.多类别学习o1.12.5.多输出回归o1.12.6.多输出分类o1.12.7.链式分类器·1.13.特征选择1.13.1.移除低方差特征o1.13.2.单变量特征选择o1.13.3.递归式特征消除o1.13.4.使用 Select From Mode选取特征■1.13.4.1.基于L1的特征选取1.13.4.2.基于Tree(树)的特征选取1.13.5.特征选取作为 pipeline(管道)的一部分1.14.半监督学习o1.14.1.标签传播1.15.等式回归1.16.概率校准1.17.神经网络模型(有监督)o1.17.1.多层感知器o1.17.2.分类o1.17.3.回归o1.17.4.正则化o1.17.5.算法o1.17.6.复杂性o1.17.7.数学公式o1.178.实用技巧o1.17.9.使用 warm start的更多控制
- 2021-05-06下载
- 积分：1
-
基于simulink的SVC与SVG的仿真
基于simulink的SVC与SVG的仿真，通过仿真分析他们的有缺点。《电气开关》(2009No4)90.3SVGSVCSVGSVC0.2smu link SVc SVg1.00-0.2SVC SVGEsmu lnkSVC SVG-0.8SVC SVG0.20.40.600.20.40.60100MVASVG0.2s0.38 SVG SVC9 SVGSVC SVG,三三CTCREquiv 500kvBI L1300kmL2300kmEquiv 500kV3000MVA2500MVASR TCT35711FaultSVCsvG mlmlSVGMWPWM100MVAFaultSVG711图5SvG的仿真电路图Svc Power System丰三:linkEquiv 500kBI LI30OkmB5L2300kmB6Equiv, 500kV2500MVASVG SVCSVGCSVG(Phasor type)OVG图6SVC的仿真电路图SVCVm vteSVGOm Oref(pu)SVGQrefVQ STATCOMs1]翁利民,张莉.SC与SVG的比较研究[J.冶金动力,2005(5):svC(magenta)jQm(pu)Power SystemSTATCOM (yellow)[2]周建丰,顾亚琴,韦寿祺.SVC与 STA TCOM的综合比较分析[J电力自动化设备,200727(12):57-60图7SvG和SVC动作特性的测量[3]杨恒,屠元吉,孟庆余,SVC无功补偿技术在济钢热连轧的应用0.2~0.3sJ.电气传动,200838(3)4]刘隽,李兴源,汤广福.SC电压控制与阻尼调节间的相互作用机71%SVC理[J.中国电机工程学报,200828(1):12-1769%0.2~[5]刘方蓝,林莉,牟道槐. STAT COM抑制电压波动和闪变的分析G「J.重庆大学学报(自然科学版),200730(2):34-36pu↓0.48p2008-11-12(1984-),GSVCo1994-2012ChinaACademicJournalElectronicPublishingHouse.alLrightsreservedhttp:/www.cnki.net
- 2020-12-01下载
- 积分：1
-
office工具栏图标ico
收集到的完整的office2010工具栏图标，共享给大家！
- 2020-12-02下载
- 积分：1
-
乒乓球比赛抽签软件,含说明书、学习包
乒乓球比赛抽签软件,含说明书、学习包，很好用，手机端也可以使用
- 2020-12-10下载
- 积分：1
-
GWO（灰色狼群优化）算法MATLAB源码详细中文注解
以优化SVM算法的参数c和g为例，对GWO算法MATLAB源码进行了逐行中文注解。是很好的学习材料
- 2020-11-28下载
- 积分：1
-
常规PID模糊PID神经网络PID控制效果比较-success.rar
常规PID模糊PID神经网络PID控制效果比较-success.rar最近做毕设，题目是智能励磁，做了个模糊PID和神经网络PID励磁控制，说白了，和励磁没任何关系，就是对一个三阶模型进行控制，现在与大家分享下。其中常规PID和模糊PID是用仿真实现的，而神经网络PID是用编程实现的。现已附上GUI和mdl文件。
- 2020-12-10下载
- 积分：1
-
分数阶混沌系统，分数阶混沌吸引子相图程序实现。
【实例简介】这是一个分数阶混沌系统，分数阶混沌吸引子相图程序实现。
- 2021-11-18 00:41:40下载
- 积分：1
