绘制在单个轴上垂直排列的多个时间序列数据（“通道”）。 绘制一个定义长度的窗口并使用箭头键向前和向后滚动。 选择显示通道的子集。 使用向上和向下箭头键控制 y 轴比例。 使用鼠标直观地标记时间点并将它们保存到向量中。 受到推崇的受用于 EEG 的 BrainVision Analyzer 界面和 EEGLab 的 eegplot 功能的启发，但比后者 IMO 工作得更好更快。

时间序列ARIMA模型的销量预测

基于m序列Turbo码的伪随机交织器由计数器、序列生成器、读写信号控制、复合控制及数据地址R／W模块构成。一个周期包括计数器初始化、读写信号控制、模N计数器加1、复位信号等步骤。其仿真以帧长为1024输入数据为例，在Turbo码系统中，将传统交织器和所设计伪随机交织器对系统性能的影响进行比较。

提出了一种用处处光滑的反正切函数序列生成多维多涡卷网格混沌吸引子的方法，可以生成一维n涡卷、二维n×m网格多涡卷和三维n×m×l网格多涡卷混沌吸引子。平衡点分析、数值仿真、Lyapunov指数谱、分岔图和Poincaré映像都表明系统是混沌的。用简单的线性反馈控制实现了同结构网格多涡卷混沌系统之间的同步，可应用于保密通信。简单的理论分析和数值仿真证明了该方法的有效性。

椭圆序列在matlab中代码实验设计_NBackTask N 背工作记忆任务，在 Matlab Psychtoolbox 的帮助下编码。 包括许多难度级别。 taks 有什么作用？ 有两个主要功能： n_back_task_full() n_back_task_training() 在这两个函数中，受试者都会看到一系列彩色矩形，并且必须决定（通过按下空格按钮）当前矩形是否与N步之前显示的矩形相匹配。 可以指定难度级别的数量和难度级别内的颜色序列数量，并且可以在每个系列之后休息。 包括几个难度级别（从 2 到 5 步后退），每个难度级别包括 8 个颜色系列。 每个颜色系列包括 36 + n 个矩形的序列。 颜色系列的生成使得在每个系列中都有12 个匹配和12 个诱饵（诱饵是矩形，其颜色与之前的矩形相匹配，但在步骤中偏移错误）。 该任务已被用作决策实验的附属品，并显示出跨难度级别的性能显着恶化（主题内的 dprime 分析）。 待办事项清单 使背景变白 为任务添加一些解释 自动生成序列（难度级别、项目数量和难度级别内的序列数量的规范） 允许读入任意图片而不是由 psychtoolbox 生

分子量计算器库 MwtWinDll是一个.NET库，具有实用功能，用于计算化学式和氨基酸的分子量和组成百分比。它可以识别用户定义的缩写和自定义元素同位素。它还包括一个摩尔/质量转换器，公式查找器，毛细管流动建模器，氨基酸表示法转换器，同位素分布计算器和肽序列片段化建模器。若要使用，只需将DLL包含在.NET项目中。 资料下载 DLL的发行版本可在GitHub上找到，为 持续集成 DLL的较新版本可以在上找到，尽管它们会在6个月后自动删除。 联络人 由马修·门罗（Matthew Monroe）为能源部（华盛顿州里奇兰市，PNNL）撰写基于马修·梦露（Matthew Monroe）1995-2002年编写的v6.20代码（VB6）的分子量计算器Matthew Monroe在2002年编写的VB6 ActiveX Dll版本NikšaBlonder和Matthew Monroe于2005年移植到

时间序列是按时间顺序排列的、随时间变化且相互关联的数据序列。分析时间序列的方法构成数据分析的一个重要领域，即时间序列分析。代码

时间序列（time series）是一组按照时间发生先后顺序进行排列的离散序列，是日常生活中最常见的数据形式之一。对时间序列的分析是既是统计学中的重要问题，也是人工智能、数据挖掘的一个重要应用方向。 本课程面向人工智能学院的本科生和研究生，重点关注统计学中分析时间序列的基本思路、模型以及方法。同时强调使用人工智能技术对时序数据这一种特殊的数据类型进行分析，也关注使用“时间序列分析”中的思路看待和解决人工智能领域的实际问题。 课程内容将从时间序列的发展历程、平稳性、经典分析模型等概念先后推进。课程中也会介绍人工智能的相关技术，如使用循环神经网络进行时间序列的建模，或使用时间序列中的自回归、指数平均思想建模机器学习、计算机视觉的重要问题。

蛋白质金属结合位点预测 投稿人：田秋，郑子涵，金文浩 生物学意义： 蛋白质及其结构是生命中生物学功能的关键。 通过翻译，核糖体将延长氨基酸序列链，这些氨基酸的物理化学特性及其相互依赖性使一级结构折叠成其复杂的三级结构。 一旦建立了结构，蛋白质结构可能会允许某些离子结合，这可能导致该结构通过构象变化更稳定，或有助于催化。 例如，锌指稳定结构，或血红素基团中离子的必要性，以使血红蛋白转运氧气。 另外，结合位点的序列和结构往往在整个世代中都被保守，并且来自蛋白质数据库（PDB）的大约1/3的蛋白质结构包含金属离子这一事实可能表明它显着干预了蛋白质的行为。 目标 ： 我们的兴趣是利用一个突出的神经网络来识别哪些金属与哪个序列结合，以及该金属与哪些氨基酸特异性结合。 我们的目标是将金属分类为准确度为95％的序列。 我们的目标是对哪些氨基酸与F1分数达75％的金属结合进行分类。 概述： [

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.)