Space-Time Reference Systems

Temporal Fusion Transformers for Interpretable Multi-horizon Time Series Forecasting 论文的数据集，反映了广泛的具有挑战性的多水平预测问题中普遍观察到的特征。每个数据集的大致描述如下： Electricity。UCI电力负荷图数据集包含370个客户的每小时总用电量，我们使用过去一周的数据(即168小时)来预测第二天(即24小时)的消耗量。 Traffic。UCI PEM-SF交通数据集描述了[41]中440条旧金山湾区高速公路的占用率（yt为[0，1]）。根据电力数据集，它也按小时级别汇总，具有相同的后退窗口和预测范围。 Retail。来自Kaggle competition[14]的Favorita杂货销售数据集，它结合了不同产品和商店的元数据，以及其他每天采样的外生时变输入。我们使用90天的历史信息预测未来30天的产品销售记录 Volatility.。OMI实现库[19]包含了31个股票指数的日实现波动值，这些波动值是根据当日数据计算出来的，同时还包含了日收益。在我们的实验中，我们使用过去一年的信息(即252个工作日)来考虑未来一周(即5个工作日)的预测

论文SEFRON: A New Spiking Neuron Model With Time-Varying Synaptic Efficacy Function for Pattern Classification的源码。

Arauto 用于时间序列实验和预测的交互式工具 Arauto是一个开源框架，旨在简化建模和实验时间序列分析和预测的过程。 Arauto提供了一个直观的交互式界面，可以使用自回归模型（AR，ARMA，ARIMA，SARIMA，ARIMAX和SARIMAX）探索模型的不同参数。 越来越多的估计器和算法正在研究中。 关于Arauto的博客文章 Arauto在Towards Data Science的Medium博客上得到了推荐。 。 特征 支持外源回归变量（独立变量） 季节性分解可让您了解数据的趋势，季节性和残差 使用增强Dickey-Fuller检验的平稳性检验 自定义数据转换的平稳性：您可以使用从一阶差异到季节性日志来转换数据 ACF （自相关函数）和PACF （偏相关函数）用于项估计 自定义ARIMA术语或让Arauto根据您的数据选择最适合您的 网格搜索功能可进行参数调整 代码生成

有三种方法（1、2 和 3 [反向传播]）来预测时间序列。 这是一组 MATLAB 编程、屏幕短片、给出结果的 Fig 文件。 按照文件中的注释运行程序

（C++）此代码在Windows Mobile平台下VS2005调试通过，实现了Date and Time Picker控件的简单功能。此控件我在MFC和WIN32下各做了个DEMO。如果对你有用记得回来评论哦.....

office VBA中没有Timer控件，这个timer模块派上用场了！可以用在无窗体的模块中，本timer类模块，完全模拟vb自带控件，事件，属性完全与vb自带的timer控件相同，例如：mTimer.Interval = 500设置计时器时间，mTimer.Enabled = True启动计时器，mTimer.Enabled = False关闭计时器，计时器事件Private Sub mTimer_Timers()过程，完全与系统的相同

时域有限差分法的MATLAB应用 值得拥有！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！

STM8S103F3库例程，IAR103例程 STM8S103中文资料 stm8s003 STM8S103F3最小系统原理图 STM8 库例程和寄存器例程全有

《Real-Time 3D Terrain Engines using C++ and DirectX9》中、英文电子书和官方完整源代码更新V1.6。英文电子书为原书图片扫描，中文电子书为承天一的翻译文字版。