看网络上有4分的，太多了，本想免费分享的，结果最最低资源分是2分，那就算了，2分吧，也算给自己赚点积分下资料。

这是一个非常好用的json自动化转模型的可视化界面,支持YYModel与MJExtention,可导出OC/SWIFT文件

matlab 10折交叉验证知识代码贷款违约模型 基于ML的贷款违约预测模型。 该项目使用了不同的机器学习技术-1. Logistic回归，KNN，分类树，合奏（分类方法），套索（正则化技术），10折交叉验证（ML技术，用于有效地训练我们的分类器，将总体分为训练）和测试样本）。 1.初步要求 为了利用该项目，用户应在其PC上安装Matlab版本R2016b，以便他们可以编译和运行此存储库中包含的代码。 2.入门 为了运行模型，用户需要遵循以下简单步骤： 将信息从名为LCloanbook.rar的文件LCloanbook.rar到本地目录中（确保所有文件都保存在一个位置） 打开并运行名为loan_Default_Model.m的文件 所有测试结果应显示在屏幕的左下角（工作区） 享受！ :) 3.仓库组成 loan_Default_Model.m -Matlab代码，包括此模型中使用的不同机器学习技术的定义。 LCloanbook.rar实际的基础贷款数据和变量描述 README.md您当前正在读取的文件 5.执照 MIT许可证涵盖了此存储库中包含的文件。 6.作者 斯韦特洛萨尔·斯托耶夫

matlab信任模型代码此仓库的目的主要是托管此代码，这是我的毕业报告的一部分。 因此，对于那些试图理解其背后要点的人来说，这可能是不完整的。 如果您对浸油绝缘，电源变压器，分散控制感兴趣，请随时与我联系。 基于模型的优化框架在电力网络中的应用 在过去的几十年中，电力网络的先进老化，可再生能源利用的必然增加以及功耗的不断增加，要求改变当前的电力网络范式。 电气世界的利益相关者必须顺应形势，并提出更好地利用现有网络资源和新网络资源的方法。 持续的金融危机也使人们对新概念和明智机会大开眼界。 该项目的方法是在现有电力网络物理层之上创建一个现代化的自动化层，该层利用几种物理模型来解释网络组件当前和未来的预期健康状况。 借助此自动化层，网络运营商可以将网络配置为一个自我维持的系统，或者至少是更独立的，更具洞察力的系统。 网络健康状态的实时和预测可以用作潮流优化因素。 基于实际潮流数据的仿真表明，将热负荷分布在整个相邻的功率组件中会提高资源利用率，因为它降低了整个网络的加速老化因子，同时又将潮流特性保持在法定的完整性范围内。 已经表明，通过将此健康状况预测框架应用于IEEE-14总线网络并允许该

半监督序列学习 此回购记录了重现论文给出的结果的实验​​。 简而言之，我们在未标记的文本数据上对序列自动编码器或语言模型进行预训练，然后使用标记的文本数据对使用预训练权重初始化的基于RNN的序列分类器进行微调，与随机初始化的权重相比，分类精度更高。 资料准备 IMDB数据集 我们为此实验使用。 下载并解压缩，导航至目录aclImdb/train ，该目录aclImdb/train中包含带aclImdb/train/pos的正（ aclImdb/train/pos ）和带标签的负性（ aclImdb/train/neg ）以及未标签的评论（ aclImdb/train/unsup ）。 然后cd进入每个子目录并运行 for f in *.txt; do (cat "${f}"; echo) >> pos.txt; done for f in *.txt; do (cat "${f}"; ec

模型预测控制(MPC)是一类特殊的控制。它的当前控制动作是在每一个采样瞬间通过求解一个有限时域开环最优控制问题而获得。过程的当前状态作为最优控制问题的初始状态，解得的最优控制序列只实施第一个控制作用。这是它与那些使用预先计算控制律的算法的最大不同。本质上模型预测控制求解一个开环最优控制问题。它的思想与具体的模型无关，但是实现则与模型有关。

村田制作所，电容电感等无源器件的ADSmodel，适用于ADS2011及以上版本

伊辛模型matlab代码2D-Ising-Model-Matlab 描述 在 Matlab 中使用 Monte Carlo 方法模拟 2D Ising 模型。 - 成都的账单 教程 该程序主要用于以Matlab 为主要应用程序来模拟二维Ising 模型。 我选择 Single-spin-flip dymanics 的简单方法来处理这个任务。 在运行程序之前，您应该将所有文件添加到 Matlab 路径中。 除非你想改进我的代码，否则你最好在 ising.m 中运行程序。 您可以在 ising.m 中更改温度范围和重复次数，并通过更改默认值来调整 ising_.m 中的参数。 享受使用 Ising 和 Matlab 的时光！ 欢迎提出建议和调整（以及 STAR）。 好消息！ 知乎上已经上传了Simulating 2D Ising Model的详细介绍。 有中文版，可以查看。 由 Bill 在成都创建 25/8/2018

NBA胜利投影模型 一个模型，用于使用阵容表现数据模拟NBA赛季，并在NBA决定采用该路线时评估一场比赛的效果。 该代码通过RealGM抓取了首发阵容，对由Jacob Goldstein的Player Impact Plus-Minus提供的进攻和防守等级进行了简单估算，根据全联盟趋势预测了上场时间，并根据预测的球队净得分预测了主队获胜的可能性，休息和行进距离，并且模拟了10,000次。 近年来，团队的前三个选项在总分钟数中所占的比例较低，这在很大程度上要归功于负载管理。 这是在预测分钟数时考虑的。 显然是假想的，因为该赛季已经开始，并且气泡在2018-19赛季之后就存在了。这项研究发现，如果NBA实施一项模拟的2018-19东部联盟赛季和68％的西方联盟赛季，将有一场比赛。如果8号和9号种子之间的获胜差小于等于2，则为气泡式游戏。在这些模拟游戏中，真正的9号种子有25％的时间前进，这

Inception-ResNet-v2 是一个预训练模型，已经在 ImageNet 数据库的一个子集上进行了训练。 该模型在超过一百万张图像上进行了训练，共有 825 层，可以将图像分为 1000 个对象类别（例如键盘、鼠标、铅笔和许多动物）。 从您的操作系统或 MATLAB 中打开 inceptionresnetv2.mlpkginstall 文件将启动您拥有的版本的安装过程。 用法示例： net = inceptionresnetv2() 网络层情节（净） % 读取图像进行分类I = imread('peppers.png'); ％将图片裁剪为网络的输入大小sz = net.Layers(1).InputSize I = I(1:sz(1), 1:sz(2), 1:sz(3)); % 使用 Inception-ResNet-v2 对图像进行分类标签 = 分类（净，我） % 显示图像和分