COMP-CB COMP-JP 协作多点传输 matlab代码

STM32 COMP模拟比较器的应用手册

泰坦尼克号 这是我在参加 Kaggle 泰坦尼克号比赛时编写的 python/scikit-learn 代码。 有几种不同算法的代码，但主要和性能最高的一种是在 randomforest2.py 中实现的 RandomForest。 要求： python（2.x 版本至少为 2.6） scikit-learn/NumPy/SciPy ( ) 熊猫（ ） matplotlib ( ) 用法： > python randomforest2.py 关键文件： loaddata.py：包含所有特征工程，包括用于生成不同变量类型、执行 PCA、聚类和类平衡的选项 randomforest2.py：执行管道的代码 scorereport.py：检查并报告超参数搜索的结果 learningcurve.py：包括生成学习曲线的代码 roc_auc：包括生成 ROC 曲线的代码 其他文

LTE_A上行CoMP软信息合并接收算法.doc

CRLB 距离仿真计算，基于matlab2017版本编写

mongodb compass1.163 ，官网这个软件非常难下载，很多人安装mongodb掉到这个坑里,一天一夜也装不好。 我把下载下来的分享出来，希望节省您的时间。

低功耗系列芯片 STM32L15x_模拟比较器COMP

2018 FGVCx真菌分类挑战赛 2018年竞赛是的一部分。 我们的赞助商从精心策划的数据库中提供了一个数据集，其中包含超过100,000个真菌图像。 Svampe Atlas全面介绍了近1500种野生蘑菇，这些蘑菇在丹麦被普通大众发现并拍照。 如果您对数据集有疑问或问题，请打开一个问题。 卡格勒 我们正在使用Kaggle主持排行榜。 在查看比赛页面。 日期 数据发布 2018年4月1日 提交截止日期 六月11，2018 获奖名单公布 六月22，2018 细节 数据集中共有1,394种真菌，其中有85,578张训练图像和4,182张验证图像。 测试集包含9,758张图像。 所有图像均来自丹麦Svampe Atlas提交的真菌物种，示例图像可在查看。 评估 我们遵循与的分类任务类似的指标。 对于每个图像 ，一个算法会产生3个标签 ， 。 在本次比赛中，每张图片都有一个地面真实标签 ，并

STM32L4比较器(COMP)介绍

matlab的欧拉方法代码神经复合体 （课程于2019年Spring举行） 本课程旨在了解通过计算机模拟的不同数值模型在大脑神经元之间传递信号的过程，从而导致决策，记忆和学习。 用MATLAB编写的代码。 练习： 单神经元模型 PS4：使用欧拉方法对积分和发射模型进行编码，以近似估算不同的电流I。 神经网络 PS5：对环形网络的活动进行编码（具有连接），该网络提供正反馈以关闭神经元，而负反馈则向较远的神经元提供反馈。 然后提供一个输入，该输入也取决于每个神经元的方向。 最后，测试有无连接时输入方向的变化如何影响神经元活动。 PS6（提供的大量代码）：模拟神经网络中神经元的活动，其激发速率具有不同的均值和标准差。 突触重量和神经元数量之间的关系是从理想行为的平均值（低）和SD（高）得出的。 学习与记忆 PS7（a）：Bienenstock-Cooper-Munro（BCM）学习规则的实现，给定在每次模拟开始时随机选择的两种输入模式。 PS7（b）：在两个神经元之间执行尖峰时序相关可塑性（STDP），其中重量变化取决于与突触前神经元尖峰的时间差。 PS8：实现感知器以根据体重变化学习模式。