gsoc17-hhmm：贝叶斯分层隐马尔可夫模型应用于金融时间序列，这是Google Summer of Code 2017的研究复制项目
2021-04-08 14:34:32
48.63MB
1
外骨骼为老年人和残疾人提供了很大的便利，可以扩大他们的活动范围并对某些体育活动做出React。 源自神经肌肉系统的肌电图（EMG）信号为进入人机界面提供了重要途径。 一方面，EMG信号可用于实时估计人体的运动意图，例如当前关节角度状态。 但是，另一方面，从皮肤表面即时捕获的大量EMG数据的过程对最新技术提出了挑战。 由于其不稳定和随机性，很难从原始EMG信号中提取出有价值且稳定的特征。 本文研究了高维EMG信号的学习过程，并采用了一种分层机制，该机制将原始数据投射到较低的特征空间中，以实现从EMG信号到人体运动状态的局部精细映射。 这种分层投影的回归算法逐步构建了一个基于树的知识库，其组成部分表示局部回归模型。 这些组件将被有效地在线检索，并有助于估计运动状态。 进行了大量实验以评估这种新颖算法的准确性。
2021-04-07 16:42:32
896KB
1
bayes_drt
bayes_drt是一个Python软件包，用于反转电化学阻抗谱（EIS）数据以获得弛豫时间（DRT）的分布和/或扩散时间（DDT）的分布。
bayes_drt实现了分层的贝叶斯模型，以提供经过精确校准的DRT或DDT估计，而无需进行临时调整。 该软件包提供了两种方法来求解模型：
汉密尔顿蒙特卡洛（HMC）采样以估计后验分布，同时提供分布的点估计和可信区间
L-BFGS优化可最大化后验概率，从而提供分布的最大后验（MAP）点估计
使用这些方法，还可以执行多分布反演，例如同时安装DRT和DDT。 这是一项实验性功能，需要进行一些手动调整。 有关示例，请参见教程。
该软件包还提供了普通的和超参数的岭回归方法，这可能对比较或获得分布的初始估计很有用。 超参数岭回归方法是Ciucci和Chen（ ）开发并由Effat和Ciucci（ ）扩展的方法的实现。 ）。
2021-04-06 17:31:18
2GB
1