用CNN做rul.通过卷积神经网络测得轴承的剩余使用时间。用来做轴承寿命预测RUL，包括训练集和测试集两部分，还有说明文档pdf

GDI+ Programming (source code) - Creating Custom Controls using C# Source Code

Introduction to Programming Using Python

Radar Systems Analysis and Design Using MATLAB 的pdf及其代码，较详细

matlab做信效度分析代码使用深度神经网络及其分析预测下颞（IT）多单元输出。 深度神经网络由多层组成，以处理输入图像。 以类似的方式，灵长类动物大脑的视觉皮层具有多个层，这些层处理从视神经传入的视觉刺激。 它们按以下顺序排列：V1，V2，V3，V4，IT（下颞）。 IT层类似于经过训练的DNN的最后一层，确定图像中的对象。 在该项目中，比较了灵长类动物大脑的视觉皮层（V4和IT）的5个区域中的2个区域与流行的DNN模型之间的比较。 用于比较的一些DNN模型是： HMO HMAX 像V1 像V2 克里热夫斯基等。 2012年 Zeiler＆Fergus 2013 1.1）数据获取和使用 在显示测试对象（灵长类动物）测试图像的同时，从其V4和IT区域记录神经输出。 V4区域具有128个通道，通过该通道收集神经输出，而IT区域具有168个通道。 因此，灵长类动物大脑中一幅图像的IT表示是一个168维向量。 总共向灵长类动物显示了1960张图像，因此V4数据矩阵为1960x128，而IT数据矩阵为1960x168。 这是数据的链接： 这里仅使用多单位数据。 为了从DNN模型的最后一个完全连

Develop powerful embedded Linux systems with the Yocto Project components About This Book A hands-on guide to enhance your ability to develop captivating embedded Linux projects Learn about the compelling features offered by the Yocto Project, such as customization, virtualization, and many more Illustrates concepts such device-emulation and cross-compiling in a pragmatic and lucid way Who This Book Is For If you are a Yocto and Linux enthusiast who wants to build embedded Linux systems but do not have the knowledge to do it, this is the book for you. It will also help those of you who have a bit of knowledge about Linux and the embedded world and are keen on learning more about the technology. This book will provide you with the skills needed to successfully interact with the Yocto Project components regardless of the fact that you are new to embedded development or an expert. In Detail This book offers readers an idea of what embedded Linux software and hardware architecture looks like, cross-compiling, and also presents information about the bootloader and how it can be built for a specific board. This book will go through Linux kernel features and source code, present information on how to build a kernel source, modules, and the Linux root filesystem. You'll be given an overview of the available Yocto Project components, how to set up Yocto Project Eclipse IDE, and how to use tools such as Wic and Swabber that are still under development. It will present the meta-realtime layer and the newly created meta-cgl layer, its purpose, and how it can add value to poky. Table of Contents Chapter 1. Introduction Chapter 2. Cross-compiling Chapter 3. Bootloaders Chapter 4. Linux Kernel Chapter 5. The Linux Root Filesystem Chapter 6. Components of the Yocto Project Chapter 7. ADT Eclipse Plug-ins Chapter 8. Hob, Toaster, and Autobuilder Chapter 9. Wic and Other Tools Chapter 10. Real-time Chapter 11. Security Chapter 12. Virtualization Chapter 13. CGL and LSB

Django Bootstrap /身份验证模板项目 先决条件 Python（> = 2.7，> = 3.5） 点（> = 9.0） 入门 该项目是使用 ， 和。 该存储库包含Django Bootstrap / Authentication Template Project的源代码。 项目设置 要设置Python / Django构建环境，请执行： make install 该项目配置为与Virtualenv一起使用，Virtualenv现在已在.venv文件夹中设置。 如果您不熟悉它的工作原理，请在此处阅读Virtualenv。 简短的版本是，virtualenv为每个项目的依赖项创建隔离的环境。 要在开发时激活和使用此环境，请执行： source .venv/bin/activate 现在，下面的所有命令都将在virtualenv中运行（尽管make命令将始终在执行前自动

使用PySpark的贷款默认预测 使用Lending Club中包含100万以上行的数据集将贷款预测为违约/非违约 整个项目是在单个群集的Databricks云环境中完成的

MAX-MIN Ant System本来应该比AS和ACS更好用。在这个M文件中，实现了MMAS算法，可以很容易地用作以下命令来查看播放迭代过程。 ACO('文件名.tsp'); 这里的 filename.tsp 是对称或非对称 TSP 问题的问题文件，您可以从以下站点下载： http : //elib.zib.de/pub/mp-testdata/tsp/tsplib/tsp/index.html 如果您想将其用于商业用途，请告诉我。 codstar@126.com

一个使用 FFT 实现重叠和保存方法的简单文件。 样本数据（音乐、随机数、正弦波）用于证明该方法有效。 Overlap 和 Save 方法的结果与 Matlab 的线性过滤（filter(b,a,x)）进行了比较。 我将文件修改为一个函数，稍后将其修改为一个Gui以供学习