bytetrack多目标跟踪模型，对mot17数据集训练的tiny权重

arma模型参数的预测

葡萄糖-胰岛素系统的数学建模在医学中非常重要，因为它是了解人体稳态控制的必要工具。 它也可以用于设计临床试验和评估糖尿病的预防。 在过去的三十年中，朝着这个方向已经做了很多工作。 最著名的模型之一是约翰·托马斯·索伦森（John Thomas Sorensen）提出的具有六个22个常微分方程的全局六部分数学模型。 本文通过引入一个包含肾，肠，脑和周围组织的组织隔室，提出了一个只有六个常微分方程的，更简化的三隔室数学模型。 对于模型参数识别，我们使用反问题技术来解决特定的最优控制问题，在该问题中，通过求解John Thomas Sorensen的全局模型来获取数据。 数值结果表明，该模型适用于数据，可用于调整糖尿病患者的I型或II型糖尿病。

锂电池模型建立、参数辨识与验证、SOC估计采用扩展卡尔曼滤波(EKF).7z

一、背景 在“搞”深度学习时，除非富如东海，往往都不会直接用大量数据来训练一个网络；一般情况下，比较省钱且高效的思路是利用一些预训练的模型，并在其基础上进行再训练优化，达到自己的目的。 因此，在本博客中将简单记录一下，如何在PyTorch基础上读取预训练模型的参数，并添加到自己的模型中去，从而尽可能减少自己的计算量。 为了直接讲明整个过程，本文设计了一个实验，首先设计了一个网络，其前半部分与FlowNetSimple的Encode一致，后半部分是全连接的分类网络。 下图是FlowNetSimple的网络结构，其中的refinement部分是Decode结构（类似UNet） 本文设计的结构，其

EM（expectation-maximization）算法是Dempster,Laird和Rubin(DLR)三个人在1977年正式提出的.主要是用于在不完全数据的情况下计算最大似然估计。ppt中包含以下内容： 算法介绍 EM算法 GEM算法性质 EM算法解释 EM不足及改进 作者：尤全增 ultimateyou@gmail.com

利用白噪声特性和ARMR模型，通过求解模型参数生成随机风速 程序完整！！！ 值得参考！！！

离散控制Matlab代码潜在Alpha模型估算代码的文档 作者： Philippe Casgrain 电子邮件： MATLAB和C代码的此集合可用于通过EM算法估算纯跳跃潜在alpha模型中的参数。 有关这些模型和估计算法以及它们在算法交易中的使用的更多信息，请参见[^ fn1]。 注意：在此存储库中找到的许多C代码都是基于的经典HMM的Forward-Backward算法的C / mex实现。 该算法的原始代码以及不同实现方式的比较。 价格过程模型 我们考虑资产价格过程$ S_t $的连续时间模型，该模型由潜在的隐马尔可夫链$ \ Theta $驱动。 我们假设此特定模型的动力学表示为$$ dS_t = \ delta \ left（dN_t ^ +-dN_t ^-\ right）; $ $$，其中$ \ delta> 0 $表示刻度尺寸，而$ N_t ^ \ pm $是具有相应随机强度$ \ lambda_t ^ {\ pm} $的泊松过程。 我们假设强度过程采用如下形式$ $$ \ lambda_t ^ {\ pm} = \ sigma + \ kappa（\ Theta_t-S

经典地球物理反演理论书籍，作者塔兰托拉，1987年中文版 适合各行业从事反演问题研究的人参考学习

Inverse Problem Theory and Methods for Model Parameter Estimation （模型参数估计的反问题理论与方法） 作者：(意大利)(Albert Tarantola)塔兰托拉 PDF格式，英文。