NIPS'14-SSL 使用深度生成模型重现我们的 NIPS 2014 论文关于半监督学习 (SSL) 的一些关键结果的代码。 DP Kingma、DJ Rezende、S. Mohamed、M. Welling 具有深度生成模型的半监督学习神经信息处理系统的进展 27 ( NIPS 2014 )，蒙特利尔 使用此代码进行研究时，请引用本文。 警告：此代码远未完全注释。 对于问题和错误报告，请发送电子邮件至dpkingma[at]gmail.com 。 先决条件 确保安装了以下最新版本： Python（2.7 或更高版本） Numpy（例如pip install numpy ） Theano（例如pip install Theano ） 在 Theano 配置的[global]部分（通常是~/.theanorc ）中设置floatX = float32 。 或者，您可以在

MACD策略的matlab全程代码，清楚的秒回macd用于matlab软件实现的全过程

生存模型 该存储库包含用于运行各种生存模型的 R 和 SAS 代码。 请参阅每个单独的文件以了解要求。 在运行这些程序之前，请转到 ftp://ftp.wiley.com/public/sci_tech_med/survival/ 并下载这些文件。 将它们存储在该数据目录下的子目录 wiley 中。 我没有在 git 存储库中包含 wiley 子目录，因为 (a) 我不需要，并且 (b) 我不想冒险与任何版权问题发生冲突。 此目录结构松散地基于 威尔逊等人。 足够好的统计计算实践。 PLoS Comput Biol 13(6)：e1005510。 bin 包含二进制文件（xlsx (Excel)、pptx (PowerPoint)、sas7bdat（SAS 数据）和 RData（R 数据）文件）。 data 包含文本数据文件。 doc 包含文档，对于这个存储库，它是数据文件夹中

很好很强大的免费开源的表格控件(基于C#开发)

OpenMemories：平台 在Sony相机上运行的本机代码。

储存库（v0.2.3） 一个简单而灵活的代码，用于诸如Echo State Networks（ESN）之类的储层计算架构。 ReservoirPy是一个基于Python科学模块的简单易用的库。 它提供了灵活的接口来实现高效的储层计算（RC）架构，尤其侧重于回声状态网络（ESN）。 与基本的Python实现相比，ReservoirPy的高级功能可提高简单笔记本电脑上的计算时间效率。 它的一些功能包括：脱机和在线培训，并行实现，稀疏矩阵计算，快速频谱初始化等。此外，还包括图形工具，可借助hyperopt库轻松地探索超参数。 该库适用于Python 3.6及更高版本。 官方文件 请参阅以了解有关ReservoirPy的主要功能，其API和安装过程的更多信息。 实例和教程 以获取安装，示例，教程和Jupyter Notebooks。 版本号 要启用ReservoirPy的最新功能，您米格思想

-Arduino-Project-Firefly arduino萤火虫源代码

Python Python中的一些代码，例如应用程序，简单的游戏，项目，练习和基本材料。 1- python-codes：很多使用新旧脚本的Python示例。 所有代码最初都是在上由@gustavoguanabara开发的课程中作为练习和挑战而完成的。 其中50％的人自己翻译成英语（仍在努力），添加了新的注释并更改了某些行。

MQL5 MQL5代码

珍妮特 “遗忘门一文中仅 的Python 3.5 Tensorflow 1.4 开始上手 安装Tensorflow 1.4 跑步： pip install -r requirements.txt 添加和复制实验可以通过 python main.py --data add --name my_add_exp --log_every 20 --batch_size 50 --epochs 30 python main.py --data copy --name my_copy_exp --log_every 20 --batch_size 50 --epochs 30 在Tensorboard上查看结果 Tensorboard --logdir log 使用--cell参数设置单元格的类型，默认值为janet。 例如， python main.py --data copy --n