神经格兰杰因果关系
Neural-GC存储库包含用于在多元时间序列中发现Granger因果网络的基于深度学习的方法的代码。 介绍了此处实现的方法。
安装
要安装代码，请克隆存储库。 您只需要Python 3 ， PyTorch (>= 0.4.0) ， numpy和scipy 。
用法
在笔记本cmlp_lagged_var_demo.ipynb ， clstm_lorenz_demo.ipynb和crnn_lorenz_demo.ipynb查看有关如何应用我们的方法的crnn_lorenz_demo.ipynb 。
这个怎么运作
在此存储库中实现的模型称为cMLP，cLSTM和cRNN，是通过分别预测每个时间序列对多元时间序列进行建模的神经网络。 在训练期间，对输入层权重矩阵的稀疏惩罚会将参数组设置为零，这可以解释为发现格兰杰非因果关系。
可以使用三种不同的惩罚训练cMLP模型：组套索
2021-10-14 08:48:18
1.3MB
1
用于社区发现算法测试的公共数据集，为football联赛数据集。大家公认数据集
2021-10-13 12:36:46
4KB
1
nacos技术分享ppt，介绍了nacos核心功能：服务注册与发现、分布式配置管理、和其他配置中心和服务注册中心进行对比，深入剖析期实现原理
2021-10-10 21:07:16
2.27MB
1
GoPhish-Templates：我已用于参与活动的GoPhish模板-请仅在征得其同意的情况下将其用于个人。.我经常发现网上缺乏网上诱骗模板，并且想回馈给InfoSec社区。将在我退休时加入-源码
GoPhish-Templates：我已用于参与活动的GoPhish模板-请仅在征得其同意的情况下将其用于个人。.我经常发现网上缺乏网上诱骗模板，并且想回馈给InfoSec社区。将在我退休时加入
2021-10-10 18:18:22
4KB
1
PyARINC429
PyARINC429提供了用于组织和解释ARINC 429数据协议指定的数字信息的对象类型。 它支持二进制编码的十进制（BCD），二进制数表示（BNR）和离散字类型的基本编码，解码和验证。 它还支持混合的BCD /离散数据和BNR /离散数据。
PyARINC429是使用Python 3.5开发的。
用法示例
BCD
>> > word = arinc429 . Word ()
>> > word . label = 0o1
>> > encoded_vhf1_freq = arinc429 . BCD ( 121.5 , resolution = 0.1 )
>> > bit_field = arinc429 . DataField ( 11 , 29 , encoded_vhf1_freq )
>> > bit_field
DataField ( lsb =
2021-10-09 19:22:29
6KB
1