Mathematical-modeling-of-Huawei-cup:2020年第17届华为杯数学建模一等奖解决方案

Eclipse Modeling Framework (EMF) 开发指南

EMF Eclipse Modeling Framework 2nd Edition.pdf,好书啊，不过不可以用于商业目的，仅为学习使用

Modeling Fracture and Failure with Abaqus，是用abaqus学习断裂的好资源

分层潜在Dirichlet分配 分层潜在狄利克雷分配（hLDA）解决了从数据中学习主题层次结构的问题。 该模型依赖于称为嵌套中国餐厅过程的非参数先验，该过程允许任意大的分支因子，并可以轻松容纳不断增长的数据收集。 hLDA模型将此先验与基于潜在Dirichlet分配的分层变体的可能性相结合。 执行 是用于hLDA推断的Gibbs采样器，基于的实现，在nCRP树上具有固定的深度。 安装 只需使用pip install hlda即可安装该软件包。 可以在找到一个示例笔记本，该笔记本可以推断BBC Insight语料库上的层次结构主题。

基于图像的建模，三维重建方面顶级教授的书籍，文字版。绝对良心

主题建模 一个从头复制了多个主题建模算法的仓库 pLSA概率潜在语义分析-plsa.py 原始论文可在中找到，使用EM算法估计主题分布，每个文档中的单词分布 潜在狄利克雷分配（LDA）算法-lda.py 原始论文可以在这里找到 ，我使用的MCMC算法是折叠的Gibbs采样 ，对我来说，它比原始作者提出的变分推理更容易实现。 我在一个小的数据集上进行了测试，该数据集包含约120条Yelp评论，涵盖了三个主要类别（海鲜，水暖，宠物店）。该算法可以清楚地识别每个主题的关键字。 短文本算法的双项主题模型-btm.py 原始论文可以在中找到，我在这里使用的MCMC算法是吉布斯采样法 Twitter主题建模原始论文可以在找到 Yelp数据集开源评论数据

Camstar MES 工厂建模 很详细，非常好

传统上，农业发展和改良的研究是基于在研究站进行了多年的小样试验 1本章是为纪念Paul Wilkens而写的，他因脑癌去世于2017年11月27日。 保罗是DSSAT开发团队的重要成员，他在DSSAT社区中所做的许多贡献以及他低调的幽默感都被大大地遗忘了。

Markov Random Field in image modeling 中科院自动化所大牛李子青的一本专著