MWCD代码版本1.0 最小加权协方差行列式（MWCD）估计量的计算 Matlab中的代码允许计算Roelant（2009）提出的最小加权协方差决定子（MWCD）估计量。 这是具有（可能）高故障点的多元数据集参数的可靠估计。 随时使用或修改代码。 要求 您需要文件fastlts.m来运行完整的代码，该代码将MWCD与最小协方差决定因素（MCD）估计量进行比较。 可在 用法 mainMwcd.m读取外部数据文件的主文件，运行经典估计（即高斯数据的最大似然）的估计，MCD和MWCD估计器，并显示其结果。 它还以图形方式显示了所得的MWCD估计量。 mwcdCheck.m用于为给定数据集计算MWCD估计量的函数。 作者 JanTichavský，捷克科学院计算机科学研究所 Jan Kalina，捷克科学院计算机科学研究所 接触 请随时与我们联系（ ）或写问题。 如何引用 请考虑引用以下内

摘要：将电磁矢量传感器(EVS,electromagnetic vetor sensor)信号处理法与传统MIMO信号处理有机地结合，建立了基于EVS的多天线三维信道模型。采用多重信号分类(MUSIC,multiple signal classification)算法对MIMO的达波信号方向(DOA,direction of arrival)进行空间谱估计，导出基于EVS的三维空间信道解析式，阐明了EVS信号处理与MIMO多径信道相关性的关系。与传统标量传感器阵列(SSA,scalar sensor array)MIMO天线阵列比较，EVS阵列能获取达波信号的多维极化信息，同时具有空间域和极化信号处理能力。因此可缓解空间多径信道相关性，使空间极化分量的相关性趋于零值，而且使MIMO系统性能受空间结构的影响较小。理论分析和仿真结果表明在提高MIMO天线系统性能上，基于EVS阵列的系统比SSA系统具有更高的优越性。

该代码使用 R/S 分析来导出用于 VaR 调整的 Hurst 指数。

IsingFit 该网络估计程序eLasso基于Ising模型，将l1正则逻辑回归与基于扩展贝叶斯信息准则（EBIC）的模型选择相结合。 EBIC是一种适合的度量，用于识别变量之间的相关关系。 生成的网络由变量（作为节点）和相关关系（作为边）组成。 可以处理二进制数据。

简谐运动matlab代码MCS 和 PCE 的长期极端响应预测 示意图 图: 一个简单的单自由度结构系统受到波浪载荷和感兴趣的数量 (QoI) 作者/合作者 ， ， 和 描述 本研究的重点是通过多项式混沌展开 (PCE) 开发有效的替代模型，以预测系泊浮动海上结构的长期极端浪涌运动。 该结构承受一阶和二阶（差频）波浪载荷。 长期响应的不确定性源于对比鲜明的海况条件，其特征是显着波高 Hs 和光谱峰值周期 Tp 及其发生的相对可能性； 这两个变量明确包含在基于 PCE 的不确定性量化 (UQ) 中。 然而，在给定的海况下，必须针对相关的 Hs 和 Tp 运行响应模拟； 在这种模拟中，通常，一组随机幅度和相位定义了与该海况一致的不规则波列。 波列中所有频率分量的这些随机幅度和相位在模拟波和响应中引入了额外的不确定性。 UQ 框架处理这两个不确定性来源——一方面来自 Hs 和 Tp，另一方面来自幅度和相位矢量——以有效产生长期浪涌运动极端预测的方式与更昂贵的蒙特卡罗模拟 (MCS) 作为“真相”系统。 为了减少由发生可能性较低的海况导致的响应极端事件的不确定性，重要性采样与基于 MCS 和

直接序列扩频信号参数盲估计系统 估计载频、码速率、码周期等(Blind direct sequence spread spectrum signal parameters estimation system estimates the carrier frequency, code rate, code cycles, etc.)

欠定盲源分离的混合矩阵估计算法

在超大规模集成电路( VLSI) 设计中, 随着深亚微米技术的应用、芯片集成度的不断提高以及 系统工作频率的加快, 均导致了集成电路的功耗越来越大. 而功耗的增大, 一方面影响了依赖电池 供电的便携式设备的使用, 另一方面芯片的过热也使系统的可靠性降低. 这使得低功耗设计技术日 益成为VLSI 设计者关注的热点. 美国半导体工业联合会在1992 年已确认低功耗技术是当前集成 电路设计的一个紧急技术需要。

深层OF 用于使用从自由移动的动物的视频中提取的时间序列进行后处理的套件 您可以使用此包从时间序列中提取预定义的主题（例如时区，攀岩，基本的社交互动），也可以将数据嵌入到序列感知的潜在空间中，以在无人监督的情况下提取有意义的主题方法！ 两者都可以在包内使用，例如，以自动比较用户定义的实验组。 我该如何开始？ 安装： 打开一个终端（安装了python> 3.6）并输入： pip install deepof 在我们深入研究之前： 首先，为您的项目创建一个文件夹，其中至少包含两个子目录，分别称为“视频”和“表”。 前者应包含您正在使用的视频（原始数据或从DLC获得的带有标签的视频）； 后者应该具有您从DeepLabCut获得的所有跟踪表，格式为.h5或.csv。 如果您不想自己使用DLC，请不要担心：一个兼容的小鼠预训练模型将很快发布！ my_project -- Videos ->

使用unity3d和tensorflow实现基于姿态估计的体感游戏-附件资源