工具变量 (IV) 是一种常用的从观测数据进行因果推断的技术。 在实践中，IV 引起的变化可能是有限的，这会导致对因果效应的估计不准确或有偏差，并使该方法对政策决策无效。 我们通过将从候选外生数据构建工具变量的问题制定为机器学习问题来应对这一挑战。 我们提出了一种称为 MLIV（机器学习工具变量）的新算法，它允许从样本数据中同时执行工具学习和因果推断。 我们提供了正式的渐近理论，并展示了我们的估计量在非常一般的条件下的根 n 一致性和渐近效率。 对现实世界数据的模拟和应用表明，该算法非常有效，显着提高了从观测数据进行因果推断的性能。

layers = [ imageInputLayer([22 1 1]) % 22X1X1 refers to number of features per sample convolution2dLayer(3,16,'Padding','same') reluLayer fullyConnectedLayer(384) % 384 refers to number of neurons in next FC hidden layer fullyConnectedLayer(384) % 384 refers to number of neurons in next FC hidden layer fullyConnectedLayer(2) % 2 refers to number of neurons in next output layer (number of output classes) softmaxLayer classificationLayer];

CNN卷积神经网络训练不使用MATLAB的深度学习工具箱，matlab2021a运行测试

matlab强化学习工具箱2019b

具有降维的一些基本算法，是基于子空间人脸识别的一个很好的工具箱

RegexBuddy它可以容易地建立你想要的正确的正则表达式。清晰地推断他人所写的复杂的正则表达式。它还可以用给出的实例字符串或文件快速地进行测试匹配，从而防止了在实际应用中出现错误。RegexBuddy会在你的源代码中根据你所应用的特殊编程语言，自动生成带有正则表达式的代码段。同时你也可以收集正则表达式到库中，以在未来重新使用。

不可多得的HSMS 调试工具，调试利器

learnPinyin 一款简单的学习拼音的工具。 功能 在基础的功能上添加了一些“高级”特性，为了能让用户最大限度的认识、了解键盘。进阶部分会调用这个小程序的接口，给用户展示随机的汉字来练习拼音，此外还提供了汉字的详细释义和“历史上的今天" :happy:模块。 基础 :check_mark: 声母 :check_mark: 韵母 :check_mark: 英文字母大小写 :check_mark: 乱序 进阶 :check_box_with_check: 九键 :check_box_with_check: 全键​ :check_box_with_check: 随机字母带你认识键盘 :check_box_with_check: 随机汉字模拟打字（正确字母即可） :check_box_with_check: 汉字详细释义 :check_box_with_check: 历史上的今天（娱乐放松） :check_box_with_check: 对感兴趣的汉字收藏 :check_box_with_check: 管理收藏的文字（删除） :ballot_box_with_ballot: 收藏的文字按

用于化合物和蛋白质建模的深度学习库DTI，药物特性，PPI，DDI，蛋白质功能预测 在药物再利用，虚拟筛选，QSAR，副作用预测等方面的应用 该存储库托管DeepPurpose，DeepPurpose是一个基于深度学习的分子建模和预测工具包，可用于药物-目标相互作用预测，化合物特性预测，蛋白质-蛋白质相互作用预测和蛋白质功能预测（使用PyTorch）。 我们专注于DTI及其在药物再利用和虚拟筛选中的应用，但支持其他各种分子编码任务。 它允许非常简单的用法（仅几行代码），以促进用于生命科学研究的深度学习。 消息！ [05/21] 0.1.2支持5种新的基于图神经网络的复合编码模型（DGL_GCN，DGL_NeuralFP，DGL_GIN_AttrMasking，DGL_GIN_ContextPred，DGL_AttentiveFP），使用！ 提供一个例子！ [12/20] TDC数据

CNTK2.0由微软正式发布，全名Cognitive Toolkit/CNTK，是一个可帮助公司加速图像和语音处理的深度学习工具。CNTK最早是由微软一些想要更快更高效地做自己的研究的计算机科学家开发的，但事故它很快就超越了语音领域并演变成了一个产品。已经在微软的产品上得到了广泛的应用，并且也被全世界需要大规模应用深度学习的公司或对最近的算法和技术感兴趣的学习所使用。 伴随着新版本CNTK2.0发布，该工具包的最新版本已经通过一个开源证书发布在了GitHub上，用户可以使用包括 Python（版本2.7、3.4 和3.5）、C++以及C#/.NET管理的认知工具包软件库获得额外的绑定。其他新特性包括Python示例和教程、Layers library的诸多改进、自动安装、Docker Hub中包括Docker 图像等等，部署了数百个新特性、性能提升和修复。