第三版与前两版之研究范围、结构层次大体相同，仍然是讨论确定性信号经线性时不变系统传输与处理的基本概念和基本分析方法，从时域到变换域，从连续到离散，从输入输出描述到状态空间描述，以通信和控制工程作为主要应用背景，注重实例分析。
第三版保持了前两版之特色：注重结合基本理论融人各类工程应用实例。
新版对这些例子进行了修订和更新，使全书具有强烈的时代感；
保留了第六章信号矢量空间分析的内容，并有适当修订与补充，从而突显《信号与系统（上册）（第3版）》与国内、外同类教材的重要区别；
全书结构有较大灵活性，可适用于通信电子类和非通信电子类的多种理工科专业的本科生教学。
第三版保持了前两版之特色：注重结合基本理论融人各类工程应用实例。
新版对这些例子进行了修订和更新，使全书具有强烈的时代感；
保留了第六章信号矢量空间分析的内容，并有适当修订与补充，从而突显《信号与系统（上册）（第3版）》与国内、外同类教材的重要区别；
全书结构有较大灵活性，可适用于通信电子类和非通信电子类的多种理工科专业的本科生教学。
2024/8/11 7:22:15
45.13MB
1
准确了解用户对视频热度的选择（PP）的差异性对丰富的用户画像，提高个性化服务精确度和优化产品提供方收益等方面大有替代益。
目前只有少量的统计学方面的研究，在数据稀疏或者大规模启动的情况下不确定性的正确性。
基于大规模商业在线视频流媒体系统的用户观影数据，此处对用户的视频热度替换进行了多角度刻画分析，着重提出了两个基于协同过滤（CF）的算法来预测用户对视频热度的替代。
具体贡献如下：1）通过空模型假设对比实验，发现并非所有用户都偏好热度高的视频；
大多数用户有较广泛的优选范围，但用户之间2）设计了基于最近邻居的（NNI）和基于矩阵分解的（MFI）用户热度首选预测模型。
实验证明，当数据稀疏度低于48％的时候，用NNI或MFI算法初始化所得的用户热度替代比传统方法统计所得的结果更准确。
越稀疏的情况下，这种优势越明显。
此工作对视频系统中推荐服务设计和用户体验优化具有参考意义。
目前只有少量的统计学方面的研究，在数据稀疏或者大规模启动的情况下不确定性的正确性。
基于大规模商业在线视频流媒体系统的用户观影数据，此处对用户的视频热度替换进行了多角度刻画分析，着重提出了两个基于协同过滤（CF）的算法来预测用户对视频热度的替代。
具体贡献如下：1）通过空模型假设对比实验，发现并非所有用户都偏好热度高的视频；
大多数用户有较广泛的优选范围，但用户之间2）设计了基于最近邻居的（NNI）和基于矩阵分解的（MFI）用户热度首选预测模型。
实验证明，当数据稀疏度低于48％的时候，用NNI或MFI算法初始化所得的用户热度替代比传统方法统计所得的结果更准确。
越稀疏的情况下，这种优势越明显。
此工作对视频系统中推荐服务设计和用户体验优化具有参考意义。
2024/8/10 16:42:34
224KB
1
EngineeringEquationSolver(EES)工程方程求解器主要由美国最顶尖公立大学之一UniversityofWisconsin-Madison机械系SanfordAKlein教授开发。
EES核心模块式是美国国标局NIST物性参数软件包REFPROP（ReferenceFluidThermodynamicandTransportPropertiesDatabase）的基础。
EES是一款通用的方程求解程序，它可以数值化求解数千连接的非线性代数和微分方程。
该程序还可以用来解决微分和积分方程，做优化，提供了不确定性分析，进行线性和非线性回归，转换单位，检查单位的一致性，并生成出版质量的情节。
EES的一个主要特征是其高精确度的热力学和传输性质的数据库，提供了数百物质的方式来增强求解能力。
此软件只作交流学习之用，严禁用于商业用途。
请支持正版！
EES核心模块式是美国国标局NIST物性参数软件包REFPROP（ReferenceFluidThermodynamicandTransportPropertiesDatabase）的基础。
EES是一款通用的方程求解程序，它可以数值化求解数千连接的非线性代数和微分方程。
该程序还可以用来解决微分和积分方程，做优化，提供了不确定性分析，进行线性和非线性回归，转换单位，检查单位的一致性，并生成出版质量的情节。
EES的一个主要特征是其高精确度的热力学和传输性质的数据库，提供了数百物质的方式来增强求解能力。
此软件只作交流学习之用，严禁用于商业用途。
请支持正版！
2024/7/26 11:55:21
6.46MB
1
创建你的第一个贝叶斯网络手工创建一个模型从一个文件加载一个模型使用GUI创建一个模型推断处理边缘分布处理联合分布虚拟证据最或然率解释条件概率分布列表（多项式）节点Noisy-or节点其它（噪音）确定性节点Softmax（多项式分对数）节点神经网络节点根节点高斯节点广义线性模型节点分类/回归树节点其它连续分布CPD类型摘要模型举例高斯混合模型PCA、ICA等专家系统的混合专家系统的分等级混合QMR条件高斯模型其它混合模型参数学习从一个文件里加载数据从完整的数据中进行最大似然参数估计先验参数从完整的数据中（连续）更新贝叶斯参数数据缺失情况下的最大似然参数估计（EM算法）参数类型结构学习穷举搜索K2算法爬山算法MCMC主动学习结构上的EM算法肉眼观察学习好的图形结构基于约束的方法推断函数联合树消元法全局推断方法快速打分置信传播采样（蒙特卡洛法）推断函数摘要影响图/制定决策DBNs、HMMs、Kalman滤波器等等
2024/7/22 14:49:25
4.93MB
1
本书全面系统地阐述了数字信号处理的基础知识，其中前10章讲述了确定性数字信号处理的知识，包括离散时间信号及系统的介绍、z变换、傅里叶变换、频率分析以及滤波器设计等。
后4章则介绍了随机数字信号处理的知识，主要学习多速率数字信号处理、线性预测、自适应滤波以及功率谱估计。
本书内容全面丰富、系统性强、概念清晰。
叙述深入浅出，为了帮助读者深刻理解基本理论和分析方法，书中列举了大量的精选例题，同时还给出了许多基于MATLAB的仿真实验。
另外，在各章的最后还附有习题，以帮助读者进一步巩固所学知识。
后4章则介绍了随机数字信号处理的知识，主要学习多速率数字信号处理、线性预测、自适应滤波以及功率谱估计。
本书内容全面丰富、系统性强、概念清晰。
叙述深入浅出，为了帮助读者深刻理解基本理论和分析方法，书中列举了大量的精选例题，同时还给出了许多基于MATLAB的仿真实验。
另外，在各章的最后还附有习题，以帮助读者进一步巩固所学知识。
2024/7/18 15:12:35
117.45MB
1
随机网络演算，liuYong和JiangYuming写的。
随机网络演算定义了统计边界，允许实际情况以一定的概率超过统计边界，从而得到了系统的随机服务质量保证，避免了确定性网络演算过于保守带来的资源浪费问题。
随机网络演算定义了统计边界，允许实际情况以一定的概率超过统计边界，从而得到了系统的随机服务质量保证，避免了确定性网络演算过于保守带来的资源浪费问题。
2024/7/7 8:17:09
2.52MB
1
小波与傅里叶分析基础作 者：（美）AlbertBoggess,FrancisJ.Narcowich译 者：芮国胜康健等出版社：电子工业出版社出版时间：2004-1-1许多关于小波的文章和参考书籍均要求读者具有复杂的数学背景知识，本书则只要求学生具有较好的微积分以及线性代数知识，通俗易懂。
第0章内积空间0.1引言0.2内积的定义0.3L2空间和l2空间0.4Schwarz不等式与三角不等式0.5正交0.6线性算子及其伴随算子0.7最小二乘和线性预测编码0.8习题第1章傅里叶级数1.1引言1.2傅里叶级数的计算1.3傅里叶级数的收敛定理1.4习题第2章傅里叶变换2.1傅里叶变换的通俗描述2.2傅里叶变换的性质2.3线性滤波器2.4采样定理2.5不确定性原理2.6习题第3章离散傅里叶分析第4章haar小波分析4.1小波的由来4.2Haar小波4.3Haar分解和重构算法4.4小结4.5习题第5章多分辨率分析5.1多分辨率框架5.2分解和重构的实现5.3傅里叶变换准则5.4习题第6章Daubechies小波分析6.1Daubechies小波的构造6.2分类、矩和平滑性6.3计算问题6.4二进点上的尺度函数6.5习题第7章其它小波主题7.1计算复杂度7.2高维小波7.3相应的分解和重构7.4小波变换7.5习题附录A技术问题附录BMATLAB程序
第0章内积空间0.1引言0.2内积的定义0.3L2空间和l2空间0.4Schwarz不等式与三角不等式0.5正交0.6线性算子及其伴随算子0.7最小二乘和线性预测编码0.8习题第1章傅里叶级数1.1引言1.2傅里叶级数的计算1.3傅里叶级数的收敛定理1.4习题第2章傅里叶变换2.1傅里叶变换的通俗描述2.2傅里叶变换的性质2.3线性滤波器2.4采样定理2.5不确定性原理2.6习题第3章离散傅里叶分析第4章haar小波分析4.1小波的由来4.2Haar小波4.3Haar分解和重构算法4.4小结4.5习题第5章多分辨率分析5.1多分辨率框架5.2分解和重构的实现5.3傅里叶变换准则5.4习题第6章Daubechies小波分析6.1Daubechies小波的构造6.2分类、矩和平滑性6.3计算问题6.4二进点上的尺度函数6.5习题第7章其它小波主题7.1计算复杂度7.2高维小波7.3相应的分解和重构7.4小波变换7.5习题附录A技术问题附录BMATLAB程序
2024/6/10 0:16:21
4.16MB
1
HDWalletKit：用于加密货币的分层确定性（HD）钱包:money_bag:
2024/5/21 2:44:04
9.03MB
1
贝叶斯方法是基于贝叶斯定理而发展起来用于系统地阐述和解决统计问题的方渚上用贝叶斯定理的方式依赖于一个统计学家如何看待“概率”的基本概念。
这些统计学家“推崇”概率为不确定性的度量，对于任何实际客体它将会被认定；
因此没有任何理由贝叶斯定理不在任何场合应用。
本书的主要内容包括贝叶斯立场、先验分布，后验分布及贝叶斯推断、常用分布、可靠性问题、经验贝叶方法、贝叶斯统计地应用、参考文献。
这些统计学家“推崇”概率为不确定性的度量，对于任何实际客体它将会被认定；
因此没有任何理由贝叶斯定理不在任何场合应用。
本书的主要内容包括贝叶斯立场、先验分布，后验分布及贝叶斯推断、常用分布、可靠性问题、经验贝叶方法、贝叶斯统计地应用、参考文献。
2024/5/18 18:20:37
4.92MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB