GMSK线性接收机，相干解调，线性接收机（基于Laurent分解）

机器学习数学 由于Coursera荣誉代码，绝不会共享证书所需的分级作业和考试 请注意，有时github不会加载.ipynb文件或对矩阵使用不正确的图表，请随时下载并在自己的阅读器中使用 我的资料库的目的是为学生提供机器学习的基础数学（特别是那些在帝国理工学院伦敦机器学习数学课程的学生）一些有用的资源，并提供一些指南来指导该课程中的实践练习。 该存储库涵盖以下主题： 线性代数 多元微积分； 主成分分析（PCA）。 基本课程说明（来自帝国理工学院伦敦课程） 对于许多机器学习和数据科学的高级课程，您会发现需要重新学习数学的基础知识-您以前在学校或大学学习过的东西，但是是在另一种情况下讲授的，或者不是很直观，因此您很难将其与计算机科学中的使用方式联系起来。 该专业旨在弥合这一差距，让您快速掌握基础数学，建立直觉的理解并将其与机器学习和数据科学联系起来。 在有关线性代数的第一门课程中，

Linear_Algebra_and_Its_Applications_5th_Edition_David_C._Lay, 线性代数及其应用, 第五版.

机器学习回归项目 使用的著名UCI数据集来预测葡萄酒质量。

线性回归 一个简单的线性回归机器学习程序，用Python 3.4编写 依存关系 numpy： ://www.numpy.org/ Docopt： ： 如果按照“安装”下的说明进行操作，则不必手动安装。 安装 获取此存储库中的文件。 例如：git clone 在命令提示符下，导航到此存储库在计算机上的保存位置。 您应该看到文件setup.py。 安装 跑步 > python setup.py install # do not use 'pip install .', this is just a script 您现在应该可以直接运行“ regress.py” 训练集和测试集 regress.py将使用训练集来学习一个权重矩阵，该矩阵将应用于测试集中每个条目的属性，以预测该条目的类别。 它将比较其预测与实际类别，并查看其预测是否正确。 处理完所有条目后，它将报告其总体准确性。

1.2 Types of Linear Mixed Models 1.3 Estimation in Gaussian Models 1.3.1 Maximum Likelihood 1.3.2 Restricted Maximum Likelihood 1.4 Estimation in Non-Gaussian Models 1.5 Other Methods of Estimation 1.6 Notes on Computation and Software 1.7 Real-Life Data Examples 1.8 Further Results and Technical Notes 1.9 Exercises

1、该算法库较为简陋 2、仅供学习交流使用

Designing Control Loops for Linear and Switching Power Supplies

线性代数方面的经典书籍，也是控制理论的基础学习书籍

离散控制Matlab代码线性离散系统的最优控制 :stopwatch: 用数学模型和MATLAB解决线性离散系统的最优控制 如何使用 您可以在以下位置查看此项目 :seedling: 我们的代码位于“ MATLAB_CODE”文件夹中。 关键字词 QLDR，内点法，DP 贡献者 本文由我们的四人小组撰写。