Modeling Continuous-time Event Data with Neural Temporal Point Processes 事件数据是机器学习许多高影响力应用的核心。电子健康记录中的医院访问，地震学中的地震目录，以及神经科学中的高峰列车——所有这些都可以用连续时间中可变长度的事件序列来表示。时间点流程(TPPs)为此类数据建模提供了一个自然的框架。然而，传统的TPP模型缺乏捕捉现实事件数据中呈现的复杂模式的能力。神经TPP旨在通过将神经网络与点过程文献中的基本思想相结合来解决这一限制。本论文的两个主要主题是(1) 设计灵活、可处理和高效的神经TPP模型，(2)它们在现实问题中的应用。我们的第一个贡献是TPP和神经密度估计领域之间的联系。这使得我们能够开发第一个神经TPP模型，其中的可能性计算、采样和预测都可以以封闭的形式有效地完成。接下来，我们提出了TriTPP——一种新的表达性TPP模型，与现有方法不同，该模型中所有操作都可以并行完成。快速平行采样为TPP模式开启了新的应用。我们通过推导连续时间离散状态系统的变分推断方案来证明这一点。最后，我们将拟合优度测试方

数字信号处理英文版课件：Chapter1 Continuous-time Signals and Systems第四版.ppt

信号与系统英文版课件：Chap4 The Continuous-Time Fourier Transform.pptx

信号与系统英文版教学课件：ch4 The Continuous-Time Fourier Transform.ppt

go-gitlab-client go-gitlab-client是使用golang编写的客户端，用于使用gitlab API。 它还提供了一个方便的CLI，可以轻松地与gitlab API进行交互。 LIB 安装lib 要安装go-gitlab-client，请使用go get ： go get github.com/plouc/go-gitlab-client/gitlab 将go-gitlab-client包导入到您的代码中： package whatever import ( "github.com/plouc/go-gitlab-client/gitlab" ) 更新资料 要更新go-gitlab-client ，请使用go get -u ： go get -u github.com/plouc/go-gitlab-client/gitlab 文献资料 请访问的文档 支持的API 分行 列出存储库分支 获取单个存储库分支 保护存储库分支 取消保护存储库分支 创建存储库分支 删除存储库分支 删除合并的分支 项目级变量 列出项目变量 显示项目

matlab qpsk调制代码连续相频移键控调制系统 这是用于连续相频移键控调制的GNU-Octave仿真和TI OMAP系统代码。 有线和无线（天线）解决方案都包括在内。 项目特色 使用C / C ++ / Matlab构建了CPFSK调制系统，并设计了包括有线信道和天线传输在内的功能。 在强噪声环境下的实验比赛中，有15个小组在最佳通道错误率性能上达到了（8.39％）。 与原始QPSK解决方案相比，作为软件团队的领导者，将系统的健壮性提高了15％。 作者 陈鸿Y-负责人，算法和软件开发人员- 黄大湾-系统设计师 顾问 吴文荣-国立交通大学教授 致谢 国立交通大学

pandoc-action-example：在GitHub Actions上使用pandoc文档转换器

稳健的连续聚类 介绍 这是一个MATLAB实现的在下面的纸张（所呈现的RCC和RCC-DR算法）： Sohil Atul Shah和Vladlen Koltun。 稳健的连续聚类。 美国国家科学院院刊（PNAS），2017。 如果您在研究中使用此代码，请引用我们的论文。 @article{shah2017robust, title={Robust continuous clustering}, author={Shah, Sohil Atul and Koltun, Vladlen}, journal={Proceedings of the National Academy of Sciences}, volume={114}, number={37}, pages={9814--9819}, year={2017}, publisher={Nati

通过本函数, 可以在labview编程平台进行串口的数据读写, 监控串口数据,发送命令. 对232和485连接通用. 可以代替串口调试助手的功能

连续时间问题的方法示例 一般讲义 请参见“项目中Ben Moll的，以及尤其是： 来自Ben Moll： ： 和 来自Pontus Rendahl： ： 和 ： 方法的详细说明 请参阅以获取有关随机过程（平稳和时变）离散化的详细信息，以及简单值函数和平稳分布计算的解决方案。 有关解决最佳停止问题的详细信息，请参见 （考虑离散化）。 有关解决新古典增长模型的详细信息，请参见 。 文件夹的结构 所有算法的文档来源都在docs /中。 对于Matlab算法的特定实现 在matlab / lib /中查看实现这些方法的库函数 请参阅使用matlab / examples /中的库函数的示例。 此时，大多数代码都在测试中，而不是示例中。 matlab库的所有单元测试和回归测试都在matlab / tests /中。 更改编码后，可以在matlab文件夹中使用run_tests.m