Applied Survival Analysis Regression Modeling Of Time To Event Data

MATLAB格式的几个常用多变量时序数据集，可以用于分类或者聚类研究。包括ArabicDigits、AUSLAN、CharacterTrajectories、CMUsubject16、ECG、JapaneseVowels、KickvsPunch、Libras、NetFlow、UWave、Wafer、WalkvsRun。数据集来自Mustafa Gokce Baydogan. Multivariate Time Series Classification Datasets.

windows版时间同步软件，32位版和64位版，可以在windows7、windows10、windows server 2012 r2下使用，亲测可用。

Constant Time Weighted Median Filtering for Stereo Matching and Beyond.

此下载包括实用程序、示例代码和文档。 该文档解释了如何使用 Real-Time Workshop:registered: 提供的实用程序在自定义目标上实现任务执行分析。 这些实用程序允许您记录执行配置文件数据，并自动生成分析任务执行配置文件的报告和图形。 此处描述的实用程序适用于 R2006b，需要 Real-Time Workshop； Real-Time Workshop Embedded Coder 是可选的。

嵌入式领域的经典读物，美国老师上课的教材，内容很系统

matlab人脸检测框脸代码 matlab-real-time-face-detection These codes can detect face from real time video frame

TI媒体有限的建模和逆向时间迁移 （二维和三维） 各向异性介质（VTI，TTI） 反向时间迁移 有限的不同建模 角域通用成像采集器（ADCIG） Poynting向量法 波动方程 移民 poynting矢量图 使用拉普拉斯因子作为滤波器来降低低频信号（噪声） void laplac2_lop ( int adj, int nz, int nx, float *in, float *out) /* Copyright(C) Madagascar */ { int iz,ix,j; for (ix= 0 ; ix 0 ) { if (adj) { out[j-

最近，推荐系统（RS）的递归神经网络（RNN）解决方案变得越来越流行。 洞察力在于，用户动作序列中存在一些固有的模式，并且事实证明，当对顺序数据进行建模时，RNN的表现非常出色。 在诸如语言建模之类的传统任务中，RNN解决方案通常仅考虑对象的顺序顺序，而没有间隔的概念。 但是，在RS中，用户动作之间的时间间隔对于捕获用户动作与传统RNN体系结构之间的关系非常重要，不利于对它们进行建模。 在本文中，我们提出了一个新的LSTM变体，即Time-LSTM，以对用户的顺序动作进行建模。 Time-LSTM为LSTM配备时间门，以对时间间隔进行建模。 这些时间门经过专门设计，因此与传统的RNN解决方案相比，Time-LSTM可以更好地捕捉用户的短期和长期利益，从而提高推荐性能。 对两个真实数据集的实验结果表明，使用Time-.LSTM推荐方法优于传统方法。

Deep Time Series Forecasting with Python: An Intuitive Introduction to Deep Learning for Applied Time Series Modeling