运放参数的详细解释和分析

粒子滤波Matlab代码有中间对一些变量有详细解释说明

ofdm的matlab仿真程序，从信号发生到调制解调，误码率计算，也包括信道估计，插值，信道编码~对于学习通信理解OFDM原理有很强的指导意义，同时也是能完成仿真试验的任务。

包中包含了dxf文件的所有组码的解释，文件的解析。C++例子。dxf文件的格式解析的总结。

思科数据中心VXLAN详细解释

《机器学习》课程支持向量机实验，包括详细的jupyter文件和解释，代码均成功运行。 机器学习支持向量机实验内容 一、实验内容 1.1 支持向量机的核函数 1. 了解核函数对 SVM 的影响 2. 绘制不同核函数的决策函数图像 3. 简述引入核函数的目的 1.2 支持向量机的软间隔 1. 了解分离超平面、间隔超平面与支持向量的绘制 2. 调整 C 的值，绘制分离超平面、间隔超平面和支持向量 3. 简述引入软间隔的原因，以及 C 值对 SVM 的影响 1.3 支持向量机的分类任务 1. 使用支持向量机完成 spambase 垃圾邮件分类任务 2. 使用训练集训练模型，计算测试集的精度，查准率，查全率，F1 值 1.4 支持向量机的回归任务 1. 使用支持向量机完成 kaggle 房价预测问题 2. 使用训练集训练模型，计算测试集的 MAE 和 RMSE 要求将结果写入到 markdown 的表格中！ 二、数据介绍 2.1 kaggle 房价预测数据集 文件名：

资源特点：基于课程作业，一共有三个案例 1.1 使用 sklearn 的 DBSCAN 和 GaussianMixture 完成聚类 1.2 使用 sklearn 的 KMeans 完成聚类 1.3 实现 K-means 每个案例配有详细的代码和解释，都能测试通过。 机器学习第八章实验内容 详细内容见第七周实验内的 jupyter notebook。 一、实验内容 1.1 使用 sklearn 的 DBSCAN 和 GaussianMixture 完成聚类 1. 使用 sklearn 的 DBSCAN 和 GaussianMixture 在两个数据集上完成聚类任务 2. 对聚类结果可视化 3. 对比外部指标 FMI 和 NMI 4. 选做：调整密度聚类的 eps 参数，绘制聚类结果 1.2 使用 sklearn 的 KMeans 完成聚类 1. 使用 sklearn 的 Kmeans 完成两个数据集的聚类任务 2. 计算外部指标 FMI 和 NMI 3. 对聚类结果可视化 1.3 实现 K-means 1. 实现一个 K-means 聚类算法 2. 计算外部指标 FMI 和 NMI

资源特点：基于北京交通大学《机器学习》课程中，神经网络部分的课程作业，一共有六个案例 1.1 使用 sklearn 的多层感知机 1.2 神经网络：线性回 1.3 神经网络：对数几率回归 1.4 神经网络：三层感知机 1.5 实现 n 层感知机 1.6 设计一种改良的优化算法 每个案例配有详细的代码和解释，都能测试通过。 一、实验内容 1.1 使用 sklearn 的多层感知机 使用 sklearn 自带的手写数字数据集： 1. 学习标准化处理的方法 2. 使用 sklearn.neural_network.MLPClassifier 完成手写数字分类任务 3. 绘制学习率为 3，1，0.1，0.01 训练集损失函数的变化曲线 1.2 神经网络：线性回归 1. 学会梯度下降的基本思想 2. 学会使用梯度下降求解线性回归 3. 了解标准化处理的效果 1.3 神经网络：对数几率回归 1. 完成对数几率回归 2. 使用梯度下降求解模型参数 3. 绘制模型损失值的变化曲线 4. 调整学习率和迭代轮数，观察损失值曲线的变化 5. 按照给定的学习率和迭代轮数，初始化新的参数，绘制新模型在训练集和测

资源特点：基于北京交通大学《机器学习》课程作业，一共有4个案例 1.1 一元线性回归 1.2 1.2 多元线性回归/对数线性回归 1.3 对数几率回归 1.4 线性判别分析 每个案例配有详细的代码和解释，都能测试通过。 机器学习线性回归实验内容 一、实验内容 1.1 一元线性回归 使用Kaggle房价预测数据集： 1.打乱数据顺序，取前70%的数据作为训练集，后30%的数据作为测试集 2.分别以LotArea, BsmtUnfSF, GarageArea三种特征作为模型的输入，SalePrice作为模型的输出 3.在训练集上，使用最小二乘法求解模型参数（需自己实现，不允许第三方库完成） 4.计算三个模型在测试集上的MAE和RMSE这两种指标的大小（需自己实现，不允许第三方库完成） 5.分别绘制模型的在训练集和测试集上的曲线 6.选做：尝试去除训练集中的异常值或离群值后再次训练模型，绘制模型的预测曲线，观察模型在测试集上预测能力的变化 1.2 多元线

supertabular使用说明书(包含详细解释、例子说明)