值得这个价格，本文件

该存储库包含从头开始的自适应神经模糊推理系统的完整源代码。 该方法最初在 [1] 中描述。 它不依赖于 Matlab 工具箱。 每个细节都在 Matlab 中编码。 您可以通过 Matlab 工具箱的等效结果比较我们的结果。 我们还提供了两种不同的演示，一种用于 3 输入 1 输出训练数据，一种用于 216 个元素、3 输入、1 输出数据。 第二个演示用于 121 个元素、2 个输入、1 个输出数据。

资源解说：https://blog.csdn.net/qq_42197013/article/details/107379781

机器学习实战(第七章-利用AdaBoost元算法提高分类性能-所有代码与详细注解-python3.7) 机器学习实战(第七章-利用AdaBoost元算法提高分类性能-所有代码与详细注解-python3.7)

ITSP_cubli 我们的 ITSP 2015 项目 Cubli 中使用的所有代码，由团队 46：Black Magicians 该项目是自平衡立方体 Cubli 的 2D 原型，它可以在其边缘保持平衡并在达到后保持稳定的平衡。 所使用的代码用于通过arduino控制传感器和电机。

机器学习实战(第四章-朴素贝叶斯-所有代码与详细注解及相关数据文件-python3.7) 机器学习实战(第四章-朴素贝叶斯-所有代码与详细注解及相关数据文件-python3.7)

内置java算法知识+jdbc知识+基础知识的所有代码,多线程,泛型等等都有

arma模型matlab代码time_series_analysis 我在2020年S1和S2教授的统计课程“时间序列分析”的所有代码和软件包 我完全使用Python，R，Matlab / Octave，Julia和Stata（在C ++中用于R和Matlab的后端编程），除非某些语言缺少某些软件包。 我只是喜欢将所有代码收集到Jupyter内核中以进行更好的演示。 请注意 在Python中缺少HEGY测试。 我将自己开发它； 但是，由于教学负担特别重，我无法保证我会及时完成 代码涵盖 OLS的基本操作（估计，预测，测试...） AR，MA，ARMA和ARIMA 趋势分解和SARIMA 不同的平滑技术（指数，Holt-Winters等） VAR，ECM 用于时间序列分析的不同统计测试（ADF，Ljung-Box等）。 时间序列的贝叶斯净模型（隐马尔可夫模型等） 递归神经网络 使用傅立叶和拉普拉斯变换的信号处理技术 基本过滤方法（卡尔曼过滤器等） 更多将会出现在这里 参考资料包括许多机器学习论文和以下书籍 统计学习的要素（如果您对机器学习模型有疑问） Paulo SR Diniz的自适应

里面包括K210的模型文件，源码，串口通信部分，和32单片机的代码。这个直接下载就可以使用

K210的口罩模型，串口通信，源码，32源码