本文利用元胞自动机模型研究了有障碍或无障碍体育场的人行疏散问题。我们给出了一个多主体个体决策框架，其中每个行人（称为主体）的行动方向取决于主体到出口的距离，主体和障碍物在视野内的数量和密度。代理人。与现有结果不同，我们将体育场内的所有行人分为四类：青年男性，青年女性，老年男性和老年女性。在疏散过程中，影响每类代理之间的个体决策的权重是不同的。在模拟中，我们考虑两种情况：（I）两个出口均未堵塞，（II）两个出口之一完全堵塞。在这两种情况下，都模拟了两个典型的场景：（a）没有障碍物，并且代理商是随机分布的；（b）有障碍物并且代理商被定期放置。此外，我们进一步分析了出口宽度对疏散效率的影响。该模拟可以精确地再现实际的行人疏散过程。因此，所提出的方法可能对评估公共建筑设计很有用。

This is the textbook used in the course STAT347, in Department of Statistics, the University of Chicago.

2019-R语言新书 Advanced R Statistical Programming and Data Models_ Analysis, Machine Learning, and Visualization-Apress (2019)，R语言中2019年新出来的书！！非常的好

绘制生存曲线和事件分析时间的示例。 拟合Kaplan-Meier和Cox比例风险模型 Survival_analysis_example.Rmd 拟合生存模型的高级功能，包括Cox模型中的高级选项，coxph（）中的计数选项，Cox模型的诊断，Cox模型中的时间相关协变量等 生存高级 expand_nomissing_study1.csv 生存数据的数据文件 拟合分段指数比例风险模型 piecewise_exponential_proportional_hazards_model.R 使用GLM泊松模型拟合生存模型 simple_glm_survival.R 拟合生存树 Survivor_trees 生存模型和危险比的荟萃分析 metaanalysis_hazard_ratios.R 备忘单和其他资源 备忘单文件夹 改编自 改编自 改编自 额外资源

在CIFAR-10数据集上训练的PyTorch模型 我修改了官方实施的流行CNN模型，并对CIFAR-10数据集进行了训练。 我在原始代码中更改了类的数量，过滤器大小，步幅和填充，以便它可以与CIFAR-10一起使用。 我也共享这些模型的权重，因此您只需加载权重并使用它们即可。 通过使用PyTorch-Lightning，该代码具有很高的可复制性和可读性。 支持模型的统计 不。 模型 值累积 否。参数 尺寸 1个 vgg11_bn 92.39％ 28.150百万 108兆字节 2个 vgg13_bn 94.22％ 28.334百万 109兆字节 3 vgg16_bn 94.00％ 33.647百万 129兆字节 4 vgg19_bn 93.95％ 38.959百万 149兆字节 5 网路18 93.07％ 11.174百万 43兆字节 6 资源34 9

matlab的egde源代码机器学习 存储库包含我在MATLAB和PYTHON中实现的机器学习算法 使用的Alogrithm是： 决策树和随机森林分类器 朴素贝叶斯分类器 高斯朴素贝叶斯Calssifier 高斯混合的EM算法 神经网络 奇异值分解 主成分分析 将数据拟合到一维高斯 使数据适合2D高斯 K最近的邻居 线性回归 逻辑回归 K均值聚类 价值迭代法 动态时间规整 误差函数和正则化

这是关于数学模型的电子书，高清，最新版本，经典著作，英文版

ecmwf_models 读取器和转换器，用于。 用Python编写。 与结合使用效果。 引文 如果您在出版物中使用该软件，请使用Zenodo DOI将其引用。 请注意，此徽章链接到最新的软件包版本。 请在选择您的特定版本，以获取该版本的DOI。 通常，在引用中，应始终将DOI用于记录的特定版本。 这是为了确保其他研究人员可以访问您用于重现性的确切研究伪像。 您可以在找到有关DOI版本控制的其他信息。 安装 通过conda安装所需的C库。 对于安装，我们建议使用 。 因此，请按照官方安装说明进行安装。 一旦在外壳中包含conda命令，您就可以继续： conda install -c conda-forge pandas pygrib netcdf4 scipy pyresample xarray 以下命令将下载并安装所有需要的pip软件包以及ecmwf-model软件包本身。

Consumer Credit Models:Pricing,Profit and portfolios 英文版

semi-supervised-learning 深度学习半监督相关算法，主要是文献《Mean teachers are better role models》算法，经测试在一般分类问题上精度都会有几个点的提升。 1.数据存放到data目录，每个类别图片存放到一个文件里面，然后用makelist生成列表文件：path label，把无标签的数据标签设置为：-1 2.运行mean_teacher.py