pdf格式书籍：贝叶斯动态模型及其预测。适合需要了解中等或初学者的水平，以及工程技术人员的需要。

face_recognition 项目名称为：自建数据集人脸识别。该项目利用电脑自带摄像头或者已有照片进行人脸数据集建立，再进行人脸检测，人脸识别，人脸预测，包括数据采集、数据预处理、建模、模型训练、模型使用预测全过程。项目使用Openc3进行数据采集、数据预处理，Keras 进行建模，模型参考了VGG16网络，包含4个卷积层，5个LeRu层，2个池化层，3个Dropout层，2个全连接层，1个flatten层，1个分类层，共18层。 更多内容，请看代码中的 read_me.pdf ！

【预测模型-BP预测】基于麻雀算法SSA优化BP神经网络实现风电功率预测matlab源码.zip

自行车出租预测 结合机器学习回归，集成学习和深度学习模型来预测自行车租赁数量 数据源：bikesharing.csv- 该项目是作为UT达拉斯应用机器学习课程的主要任务而创建的，包括2个项目： 项目1有2个部分： 第1部分：：数据清理，有监督的机器学习回归模型 第2部分：：数据清理，监督式机器学习分类模型 项目2有2个部分： 第1部分： ：集成学习，主成分分析（PCA），使用PCA的回归模型，使用神经网络的深度学习（DL）模型 第2部分： ：整体学习，主成分分析（PCA），使用PCA的分类模型，使用神经网络的深度学习（DL）模型 目录 描述 该项目的目的是预测多元化投资组合的股票价格，其中包括来自6个不同行业的6家公司和S＆P500，以帮助投资者在20年的收盘价，开盘价，高价，低价和交易量的基础上做出财务决策。 由于主要目的是测试不同的回归模型，因此该项目将对所有模型使用一家公司

基于Matlab编程实现Arrhenius模型寿命预测.pdf

该项目旨在使用提供的数据集建立房价模型，以预测加利福尼亚州的房价中位数。 考虑到所有其他指标，该模型应该从数据中学习并能够预测任何地区的房价中位数。 地区或街区组是美国人口普查局发布样本数据的最小地理单位（街区组通常人口为600至3,000人）。 项目数据集中有20,640个地区。

学习SIR模型的应用

这是敏捷开发估算的一种算法，非常有用 Gompertz模型预测模板使用说明 1 灰色的单元格为自动计算出来的，不需要填写。其他白色的单元格需要手工填写。 2 样本点的个数不能超过1000，如果超过了1000，需要重新定义公式 3 遗留缺陷率是项目组的目标，可以自己设定，通常情况，针对4、5级的软件公司，此值应该小于等于5%。 4 需要拷贝进来每次测试发现的缺陷数。 5 将测试序号与累计发现的缺陷数两列拷贝到1stopt中，计算出K,a,b，填写到本表中 6 K为缺陷个数的上限，Ka为测试启动时首次发现的缺陷个数的拟合值，b表征了曲线到达顶峰的速度。 7 还需要的测试次数是用最后三次测试出的缺陷的平均数作为后续每次测试发现的缺陷的个数作为分母，然后用剩余应发现的缺陷个数除以之。 8 任意缺陷值预测是指想知道累计的发现缺陷数等于某个值时，需要执行的测试次数。此功能并非一定需要执行，可以忽略。 9 缺陷快速上升的拐点y值为K/e。计算原理可以自行查阅资料。

NYC_Traffic_Safety_Project 我整理并整理了我所做的第一个项目的代码（与同学们组成一个团队，归功于陈书效，赖小亚，罗旭丹，钟敏喜和李嘉颖）。 此仓库包含纽约市地图和事故的原始数据，还包括用于进行预处理并将其输入到CNN模型中的Python代码。 背景 在城市中，交通事故正成为越来越普遍的伤害和死亡原因。 根据NYC Open Data的数据，仅在纽约，2018年过去几天每天平均发生622起交通事故。 因此，预测未来事故的能力（例如，地点，时间或方式）不仅对公共安全利益相关者（例如，警察，自治企业）而且对运输管理人员和个人旅行者都非常有用。 许多学者对交通事故的原因进行了大量研究，但很少关注道路设计。 但是，在许多情况下，每年都会设计出令人难以置信的十字路口，导致事故发生。 我们做了什么 我们训练了一个卷积神经网络（CNN），使用十字路口的卫星图像作为特征，附近交通

针对风电出力的随机性及间歇性，采用灰色理论建立灰色预测一威布尔风速分布组合模型，并对威布 1 尔风速分布参数进行了求解，根据实际地形下风电场风速数据准确预测了风电场的风速分布及有效风电出 力密度，进而求得了风电场风机出力功率及发电量等重要数据