信息 作为硕士论文的一部分，对C ++中实现的顺序排序算法与CUDA中实现的并行排序算法之间的比较进行了研究。 我们实现了七个算法：双音排序，多步双音排序，自适应双音排序，合并排序，快速排序，基数排序和样本排序。 顺序算法是在使用C ++的CPU上实现的，而并行算法是在使用CUDA平台的GPU上实现的。 我们改进了上述实现，并采用了它们，以便能够对任意长度的输入序列进行排序。 我们在六个不同的输入分布上比较了算法，这些分布包括32位数字，32位键值对，64位数字和64位键值对。 结果表明，基数排序是最快的顺序排序算法，而基数排序和合并排序是最快的并行排序算法（取决于输入分布）。 与顺序实现相比，通过并行实现，我们最多可实现157倍的加速。 作者：DarkoBožidar 导师：TomažDobravec博士 资料下载 结果： : 硕士学位论文（斯洛文尼亚版） ： : usp

序贯蒙特卡洛matlab代码联合机会约束程序的顺序凸近似：蒙特卡洛方法 介绍 这是针对联合机会约束问题的顺序凸逼近算法的Matlab实现。 它包括条件风险值（CVaR）和风险值的顺序凸近似值（迭代dc）之间的比较。 使用代码 使用Matlab直接运行example_run.m 。 您可能希望看到下面的结果图： 文件说明： example_run.m ：正在运行的文件，首先打开 main_function.m ：包括生成样本，应用cvar近似，epsilon近似和dc近似，返回特定设置的结果 gensample.m ：为所有随机变量生成正态分布 obj_fun.m ：目标函数 quantile.m ：约束的quantile.m位数 opt_cvar.m, opt_dc.m, opt_eps.m ：针对cvar的优化，一步直流逼近，ε逼近 con_fun_cvar.m, con_fun_dc.m, con_fun_eps.m ：cvar的约束，一步直流近似，ε近似 lincave.m ：凹函数的线性近似 引文 @article{hong2011sequential, title={Sequ

用于双 API 的音序器

Gordon经典之作，值得一读，适合信号处理、系统控制与计算机视觉等相关人员

2D卷积神经网络推荐系统

粒子滤波器方面的经典教程 Sequential Monte Carlo Methods in Practice。 粒子滤波器方面的经典教程，包括改进粒子滤波器估计性能的方法。文件扫描清楚，便于阅读 Monte Carlo methods are revolutionizing the on-line analysis of data in many fileds. They have made it possible to solve numerically many complex, non-standard problems that were previously intractable. This book presents the first comprehensive treatment of these techniques. 粒子滤波

Communicating Sequential Processes.pdf

以前的大多数顺序模式挖掘算法都花了很长时间处理投影数据库，这会导致大量的时间成本。 本文定义了序列x在其前缀序列y上的前缀序列的概念，并提出了一种基于前缀分析的序列模式挖掘算法PPrefixspan。 根据扫描序列数据库SD，获得所有1个长度的序列模式。 比较顺序模式的数量和最小支持数，如果前者小于后者，则将其直接丢弃，并且只能构建投影数据库中的频繁项。 减少了投影数据库中挖掘顺序模式的执行时间。 提出了一种基于前缀的增量前缀范围算法PIN-Prefixspan来处理动态数据库，利用原始序列数据库的频繁模式挖掘结果来提高更新序列数据库的挖掘效率。 实验结果表明，PIN-Prefixspan的时间成本效率更高。

一般的加权顺序模式挖掘算法会忽略或没有充分利用时间和数据元素的时间间隔信息。 除了某些算法需要扫描数据库外时间或建立临时数据库。 为了解决这些问题，我们提出了一种基于内存的算法MITWCSpan（用于时间间隔加权封闭式顺序模式挖掘的内存索引），用于区间加权封闭顺序模式挖掘。 该算法充分考虑了重要性数据元素的时间间隔。 此外，基于时间间隔p-tidx的改进索引集是定义。 在挖掘过程中，该算法递归采用“查找-然后-索引”技术来查找可以构成时间间隔加权顺序模式并构造p-tidx的项目可能的顺序模式。 最后，算法使用闭合检测得到整个时间间隔加权封闭顺序模式。 实验结果表明，该算法更加有效。 寻找更重要的顺序模式。

通过询问组测试查询来从有限集合S = {1,2，…， n }中检测未知元素x ∗是经典的组合优化问题。 我们考虑问题的一个变化，就是我们所说的骗子搜索游戏小套[N，E，≤k]和制定，如下所示：两名球员，说保罗和Carole，修复整数k≥1，M> 0， Ë≥0提前。 保罗问大小的限制查询，发现X *：“为X *在A”，其中A⊆S和| 一个|≤ķ。 Carole回答“是”或“否”，以告诉x ∗是否属于A。 卡洛尔最多可以说谎e次。 如果保罗在m轮内发现x ∗，他将获胜； 否则，Carole获胜。 我们的目标是确定m的最小值，以确保Paul获胜。 令f（N，E，≤k）的=分钟{M |保罗赢得游戏[N