matlab数据输入代码辫子实验室
braidlab是一个软件包，用于使用和编写的使用辫子分析数据。
文档和安装
请参阅doc文件夹中的。
该指南也发布在上。
有关安装说明，请参阅指南中的附录。
引用braidlab
如果您在其中一篇论文中使用braidlab
，请将其引用为：
J.-L.
Thiffeault和MarkoBudišić，《
Braidlab：辫子和环的软件包》
，[math.GT]（2013-2019），版本<>
。
您可以使用以下BibTeX条目：
@Misc{braidlab,
author
=
{Jean-Luc
Thiffeault
and
Marko
Budi\v{s}i\'{c}},
title
=
{Braidlab:
{A}
Software
Package
for
Braids
and
Loops},
eprint
=
{arXiv:1410.0849
[math.GT]},
url
=
{http://arXiv.org/abs/1410.0849},
year
=
{2013--2019},
note
=
{Ver
2022-01-20 21:18:37
3.73MB
1
允许用户将文本或数字数据输入文本的 GUI 功能字段并作为结构化数组输出。 哪些可以用于另一个 m 文件或函数。 此 GUI 专为呼吸数据而设计在 PRBS 或 Read 研究中收集。 它要求收集一个数据集主题，用于何时或如何收集集合的标识符， 受试者姓名首字母、研究或受试者标识符，并询问是否图表应在出现时打印并关闭。 然后它检查原始数据文件是否位于驱动器 G:\ 上名为 data 的文件中如果其他字段尚未填充，则该单元格将存在，但包含空间。 如果按下退出按钮，GUI 将关闭并返回到在给出正确错误的地方调用函数。 它是由亨利福特研究工程师 Dawn Sanzi 在 Matlabs 的帮助下应用支持工程师 Sean Geary。
2021-12-21 16:48:27
5KB
1
ROC 是受试者工作特征Receiver Operating Characteristic 或相对工作特征Relative Operating Characteristic 的缩写ROC 分析五十年代起源于统计决策理论后来应用于雷达信号观察能力的评价六十年代中期大量成功地用于实验心理学和心理物理学研究[1]Lusted 首次提出了ROC 分析可用于医学决策评价自从八十年代起该方法广泛用于医学诊断性能的评价[2] 如用于诊断放射学实验室医学癌症的筛选和精神病的诊断尤其是医学影像诊断准确性的评价
2021-12-19 16:56:53
32KB
1
backtrader_custom_datafeed：以json格式自定义生成的数据输入到backtrader
2021-10-23 19:48:34
8KB
1
matlab数据输入代码基于自适应在线学习（APLF）的概率负荷预测
该存储库包含基于自适应在线学习的论文概率负荷预测的代码。
我们使用本文中描述的实现细节。
方法的实现
APLF文件夹包含，a和a，其中包含执行该方法所需的所有Matlab脚本：
APLF.m是主文件。
initialize.m函数可初始化模型参数。
projection.m函数以高斯密度函数的均值和标准偏差的形式获取负荷预测和概率负荷预测。
test.m函数可量化预测误差RMSE和MAPE。
update_model.m函数为每个新训练样本更新模型。
update_parameters.m函数更新模型参数。
数据
我们使用7个可公开获得的数据集，它们对应于具有不同大小的区域。
数据集是：
我们将数据保存在.mat文件中，该文件包含具有以下字段的结构：
每小时加载时间序列
温度时间序列
衡量负载的日期和小时或时间戳记
安装
git
clone
https://github.com/VeronicaAlvarez/online-probabilistic-load-forecasting
运行python代码：
cd
o
2021-10-20 20:22:23
2.97MB
1