全国大学生统计建模大赛主题解读讲座笔记 讲座回放视频链接： https://www.bilibili.com/video/BV19M4y1m7Ds/?spm_id_from=333.880.my_history.page.click&vd_source=bc06fad3b16d1f8186bb1db3999a2743 比赛官网：http://tjjmds.ai-learning.net/

电力规约报文解析器，可以将规约报文解读出来，便于查看数据

是德科技 KEYSIGHT_400G 光模块的 PAM4 电接口测试— 标准解读与测试方案

yolov5源码阅读 1.代码结构阅读 2.代码功能阅读 3.代码细节的思考与修改 4.代码实现功能验证

这个是我对基础电信企业数据分类分级方法的解读，大家可以参考学习一下，有不足指出请批评斧正

2017杭州电子科技大学《实时三维图形绘制》OpenGL课程考试复习题目解读及参考答案

1、Version段 2、DestinationDirs段 3、CopyFullPort 4、SourceDisksNames 5、SourceDisksFiles 6、ControlFlags 7、Manufacturer 8、INTEL_HDC和INTEL_HDC.ntamd64段 9、iaStor_Inst 10、iaStorSecurity.AddReg; 12、iaStor_parameters_AddReg. 11、iaStor_Service_Inst 本文详细的介绍了驱动INF的基本形式，所有的驱动INF都基本遵循这个形式，但肯定不都是一模一样的，所以还要大家多多实践与摸索。

【论文解读】High-Dimensional Vector Autoregressive Time Series Modeling via Tensor Decomposition. 【基本信息】上海交通大学数学科学学院王迪副教授在JOURNAL OF THE AMERICAN STATISTICAL ASSOCIATION（SCI一区）发表的文章。 【摘要】经典向量自回归模型是多元时间序列分析的基本工具。然而，当时间序列和滞后阶数甚至相当大时，它涉及太多参数。本文建议将模型的转换矩阵重新排列为张量形式，以便通过张量分解可以同时沿三个方向限制参数空间。 相比之下，降秩回归方法只能在一个方向上限制参数空间。 除了实现大幅度的降维，所提出的模型还可以从因子建模的角度进行解释。此外，为了处理高维时间序列，本文考虑在因子矩阵上施加稀疏性，以提高模型的可解释性和估计效率，从而产生了稀疏性诱导估计器。对于低维情况，我们导出了所提出的最小二乘估计的渐近性质，并引入了交替最小二乘算法。对于高维情况，我们建立了稀疏性诱导估计器的非渐进性质，并提出了一种用于正则化估计的ADMM算法。

六大数据库加密技术的优劣势对比解读

在我们做智能优化算法的相关内容时，常常会用标准测试函数去评判算法的优化性能。不过大多情况下作者在文中并不会给出每一个标准测试函数的名称，而是直接以公式替代，这其实隐隐约约地造成了些许不便。比方说，某位读者和好朋友同时去改进一个算法，跑出数据以后大家相互交流，想比一比谁搞得效果更好，结果两人连函数名称都不熟悉，这就使得双方难以将话题进行下去。