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

数字信号处理英文版课件：Chap 2 Discrete-Time Signals in T-Domain.ppt

数字信号处理英文版课件：Chap 3 Discrete-Time Signals in the Frequency domain

数字信号处理英文版课件：Chap 4 Discrete-Time Systems.ppt