高效率慢生活如何获得高效轻松平衡健康的生活（推荐使用）.ppt

该软件包提供了基于 Matlab 的 Ecopath 算法实现（流行的渔业生态系统建模工具 Ecopath with Ecosim ( http://www.ecopath.org ) 的一部分），以及一些用于进一步分析和可视化 Ecopath 的函数式食物网。 该软件适用于已经熟悉 Ecopath 概念、希望在原始 EwE 软件提供的 GUI 环境之外执行特定计算以及食物网属性相关分析的人员。 如果您在研究中使用此代码，请引用如下： KA Kearney，“ecopath_matlab：基于 Matlab 的 Ecopath 食物网算法实现”，开源软件杂志，第一卷。 2，没有。 2017 年 9 月。

年度视野——铜：加息周期下再平衡，铜价中枢下移.pdf

寻找新状态下的平衡点.pdf

用于单层前馈神经网络（SLFN）的极限学习机（ELM）是一种强大的机器学习技术，并且以其快速的学习速度和良好的泛化性能而受到关注。 最近，提出了加权ELM来处理具有不平衡类分布的数据。 加权ELM的关键本质是为每个训练样本分配了额外的权重。 尽管提供了一些经验加权方案，但是如何确定更好的样本权重仍然是一个悬而未决的问题。 在本文中，我们提出了一种Boosting加权ELM，它将加权ELM无缝地嵌入到经过修改的AdaBoost框架中，以解决上述问题。 直观地，反映训练样本重要性的AdaBoost框架中的分布权重被输入到加权ELM中作为训练样本权重。 此外，在两个方面对AdaBoost进行了修改，以更有效地实现不平衡学习：（i）初始分布权重设置为不对称，以便AdaBoost以更快的速度收敛； （ii）针对不同类别分别更新分配权重，以避免破坏分配权重的不对称性。 对KEEL存储库中的16个二进制数据集和5个多类数据集的实验结果表明，与加权ELM相比，该方法可以实现更均衡的结果。

二叉树的应用：二叉排序树BST和平衡二叉树AVL的构造实验报告

STM32F103C8T6+ESP8266+蓝牙的智能平衡小车，底盘采用的是亚博的底盘,资源包括电路设计AD文件以及单片机程序和Android APP程序

本程序采用自适应动态规划的理论，结合HDP算法框架设计解决了车杆平衡自适应控制问题，其中车杆系统的输入控制由算法设计的BP神经网络自适应产生。

自己用c语言实现的平衡二叉树,可以实现插入,删除,查找,效率很高,分享给大家.

平衡二叉树，使用windows编程画出图形界面