平滑分类器认证稳健性的一致性正则化 (NeurIPS2020) 该存储库包含和的论文“平滑分类器的证明稳健性的一致性正则化”代码。 依存关系 conda create -n smoothing-consistency python=3 conda activate smoothing-consistency # IMPORTANT: Please make sure `pytorch != 1.4.0` # Currently, our code is not compatible to `pytorch == 1.4.0`; # See more details at `https://github.com/pytorch/pytorch/issues/32395`. # Below is for linux, with CUDA 10; see https://pytorc

交通量预测matlab代码具有模式、缺失值和异常值的真实世界张量流的稳健分解 (ICDE'21) 这个存储库包含论文的源代码，由 和 提供，在 。 在这项工作中，我们提出了SOFIA ，这是一种在线算法，用于分解随着时间推移而随着时间推移而丢失条目和异常值的真实世界张量。 通过平稳而紧密地结合张量分解、异常值检测和时间模式检测，SOFIA 与最先进的竞争对手相比具有以下优势： 稳健而准确：与最佳竞争对手相比，SOFIA 产生的插补和预测错误最多可降低 76% 和 71%。 快速：与第二准确的方法相比，使用 SOFIA 使插补速度提高了 935 倍。 可扩展：SOFIA 在时间演化的张量中以增量方式处理新条目，并且它与每个时间步长的新条目数量成线性比例。 数据集 名称 描述 尺寸 时间粒度 处理过的数据集 原始来源 英特尔实验室传感器 位置 x 传感器 x 时间 54 x 4 x 1152 每 10 分钟 网络流量 来源 x 目的地 x 时间 23 x 23 x 2000 每小时 芝加哥出租车 来源 x 目的地 x 时间 77 x 77 x 2016 每小时 纽约出租车 来源 x 目的地

SSH（安全 Shell）是一个协议，它使你能够创建一个经过验证的私人连接，并使用加密密钥保护通道，在另一台机器上启动一个远程

白皮书3系统级ESD第二部分 实施有效的ESD稳健设计

matlab中的pinv代码快速耐用PCA的IRCUR 这是Matlab的快速非凸鲁棒主成分分析（RPCA）算法的仓库，它被称为迭代鲁棒CUR（IRCUR）[1]。 为了正确显示数学符号，可能必须安装MathJax插件。 例如， 。 稳健的主成分分析 在此项目中，我们将重点放在完全观察到的设置下的RPCA问题上，即分离\ mathbb {R} ^ {m \ times n} $中的低秩矩阵$ L \和\ mathbb中的稀疏离群矩阵$ S \ {R} ^ {m \ timesn} $，根据它们的总和$ D = L + S $。 加速的关键思想 我们使用快速CUR分解代替低秩逼近，并重新设计了经典交替投影框架中的所有昂贵步骤，以将计算复杂度降低至$ O（\ max \ lbrace m，n \ rbrace r ^ 2 \ log（m） \ log（n））$翻牌圈。 更多细节可以在我们的论文中找到[1]。 Syntex 使用所有默认参数： [C, pinv_U, R, ircur_timer, ircur_err] = IRCUR( D, r, ''); 使用自定义参数： para.be

柳树 willowtree是Michael Curran的同名衍生产品定价模型的开源Python实现。 Curran，M.（2001年）： 什么是柳树？ 柳树是一种高效的重组格子，旨在快速，准确地对衍生合约进行定价。 它通过离散时间马尔可夫链直接对标准布朗运动进行建模，所得的估计值可作为更复杂过程（例如几何布朗运动）的基础。 晶格具有两个鲜明的特征： 它根据布朗运动作为时间的平方根扩展，并且与二项式模型不同，后者随着时间线性增长。 它在一开始就非常快地打开，覆盖了被标准树忽略的高概率区域，后来又慢慢地被限制在正态分布的置信度范围内。 这方面既避免浪费时间和计算资源浪费在分布的尾部，又对几乎不影响当前证券价格的定义的区域，并且避免了修剪树的任意做法，即无视分支，以及他们的后代，位于低概率区域； 它在每个时间步中具有恒定数量的节点。 随着时间的推移，该数字线性增长，而不是二项式模型中

BRSMM 类实现了用于模拟和估计有限简单混合模型参数的算法。 简单模型，例如潜在狄利克雷分配 (LDA) 模型，通常用于基于文本的信息检索，例如，根据单词统计为语料库中的每个文档指定主题时。 BRSMM 类是 LDA 对连续数据的扩展。 它专为包含异常值和/或缺失值的数据而设计。 BRSMM 对象将每个主题建模为具有特定主题参数的重尾分布的混合。 根据贝叶斯范式，参数配备了共轭先验分布。 该模型还包含表示数据中缺失值和数据质量的隐藏变量。 参数和隐藏变量的后验分布通过近似变分推理算法进行估计。 此提交包括一个测试函数，该函数生成一组合成数据并从这些数据中学习模型。 测试函数还绘制根据模型聚类的数据，以及每次迭代后数据的边际对数似然的变分下界。 如果您发现此提交对您的研究/工作有用，请引用我的 MathWorks 社区资料。 如果您有任何技术或应用相关问题，请随时直接与我联系。

异常值matlab代码RFM-SCAN：使用带有大量异常值的空间聚类进行稳健的特征匹配 (TIP2020) 在 Matlab 2016b 上成功测试。 如果您将此存储库中的代码用作已发布研究项目的一部分，请引用本文。 姜星宇、马佳一、姜俊军和郭小杰。 “使用带有大量异常值的空间聚类进行鲁棒特征匹配”，IEEE 图像处理汇刊，2020 年。

此函数通过查找给定数据集中所有成对点组合之间的中值斜率来执行非参数 Theil-Sen 稳健线性回归算法的快速版本。 对于我的应用程序，我需要在大型数据集（数千个点）上运行稳健的回归，但我在文件交换上发现的实现速度太慢（见图）。 此代码的速度要快得多，对于大型数据集，其速度比当前可用的代码快两个数量级。

标准助力医疗信息化稳健发展-电子病历评级经验分享标准助力医疗信息化稳健发展-电子病历评级经验分享标准助力医疗信息化稳健发展-电子病历评级经验分享标准助力医疗信息化稳健发展-电子病历评级经验分享标准助力医疗信息化稳健发展-电子病历评级经验分享