emule上下载的，code在这里http://code.google.com/p/realtimecameras/，官网：http://www.realtimecameras.com

Modeling Continuous-time Event Data with Neural Temporal Point Processes 事件数据是机器学习许多高影响力应用的核心。电子健康记录中的医院访问，地震学中的地震目录，以及神经科学中的高峰列车——所有这些都可以用连续时间中可变长度的事件序列来表示。时间点流程(TPPs)为此类数据建模提供了一个自然的框架。然而，传统的TPP模型缺乏捕捉现实事件数据中呈现的复杂模式的能力。神经TPP旨在通过将神经网络与点过程文献中的基本思想相结合来解决这一限制。本论文的两个主要主题是(1) 设计灵活、可处理和高效的神经TPP模型，(2)它们在现实问题中的应用。我们的第一个贡献是TPP和神经密度估计领域之间的联系。这使得我们能够开发第一个神经TPP模型，其中的可能性计算、采样和预测都可以以封闭的形式有效地完成。接下来，我们提出了TriTPP——一种新的表达性TPP模型，与现有方法不同，该模型中所有操作都可以并行完成。快速平行采样为TPP模式开启了新的应用。我们通过推导连续时间离散状态系统的变分推断方案来证明这一点。最后，我们将拟合优度测试方

The third and final group of chapters − 9to14 − tackles the Model Pre- dictive Control approach to dead-time compensation. These chapters range from the fundamentals of GPC and DMC in Chapter 9, through to approa- ches to multivariable systems in Chapters 11 and 12, whilst Chapters 13 and 14 introduce nonlinear systems applications and the authors’ thoughts on “prediction for control”.

obs-文本-脚本 date-and-time.lua

sec.gov EDGAR 文件查询和实时 API 涵盖 1993 年以来 10,000多家上市公司、ETF、对冲基金、共同基金和投资者的超过1800 万份 SEC Edgar 文件。 每个文件都映射到 CIK 和股票代码。 支持所有 +150 表单类型，例如 10-Q、10-K、4、8-K、13-F、S-1、424B4 等等。 API 在 SEC EDGAR 上发布后立即返回新文件。 XBRL 到 JSON 转换器和解析器 API。 从任何 10-K 和 10-Q 文件中提取标准化财务报表。 不需要 XBRL/XML - JSON 格式。 包括 13F 馆藏 API。 实时监控所有机构所有权。 通过 websockets 支持 Python、R、Java、C++、Excel 脚本 支持客户端和服务器端 JavaScript（Node.js、React、React Nati

模型时间集合 使用Modeltime进行时间序列预测的集成算法 一个modeltime扩展，它实现了集成预测方法，包括模型平均，加权平均和堆栈。 安装 安装CRAN版本： install.packages( " modeltime.ensemble " ) 或者，安装开发版本： remotes :: install_github( " business-science/modeltime.ensemble " ) 入门 ：了解使用Modeltime进行预测的基础知识。 ：了解Modeltime集成模型的预测基础。 在几分钟内使您的第一支乐团 加载以下库。 library( tidymodels ) library( modeltime ) library( modeltime.ensemble ) library( tidyverse ) library( timetk ) 第

FreeRTOS资料英文版v1.0.5

嵌入式系统导论课件：10-analysis-real-time-scheduling.pdf

特色 根据时间序列数据计算各种特征。 R包Python实现。 安装 您可以使用以下tsfeatures从安装tsfeatures的发行版本： pip install tsfeatures 用法 tsfeatures主函数默认情况下计算Montero-Manso，Talagala，Hyndman和Athanasopoulos在。 from tsfeatures import tsfeatures 该函数接收具有unique_id ， ds ， y列以及可选的数据频率的面板熊猫df。 tsfeatures ( panel , freq = 7 ) 默认情况下（ freq=None ），该函数将尝试推断每个时间序列的频率（使用ds列上pandas infer_freq ）并根据内置字典FREQS分配一个季节性周期： FREQS = { 'H' : 24 , 'D' : 1 ,

Apache MXNet Gluon中的LSTNet实现 该存储库包含本文的实现： ://arxiv.org/abs/1703.07015，基于该存储库中作者的原始PyTorch实现： : 请参考该论文以获取有关网络体系结构的背景知识。 运行脚本 要获取命令行参数列表： python train.py-帮助