k-means聚类算法及matlab代码安全聚类 SAFE（来自Ensemble的单细胞聚合聚类）：单细胞RNA-seq数据的聚类集成 尽管最近已经开发出几种方法来使用单细胞RNA-seq（scRNA-Seq）数据对细胞类型进行聚类，但它们利用了数据的不同特征，并且在聚类数量和实际聚类分配方面均产生了不同的结果。 在这里，我们介绍了SAFE聚类，单细胞聚合（来自Ensemble）聚类，这是一种灵活，准确且可靠的聚类scRNA-Seq数据的方法。 SAFE聚类将多种聚类方法的结果作为输入，以构建一个共识解决方案。 SAFE聚类目前嵌入了四种最先进的方法，即SC3，CIDR，Seurat和t-SNE + k -means。 并使用三种基于超图的分区算法将这四种方法的解决方案整合在一起。 SAFE聚类由Yuchen Yang []和Yun Yun []维护。 新闻与更新 2020年9月7日 2.00版已发布 SAFEclustering中使用的Seuart版本已更新为版本3。Seuratv.2不再兼容 SAFE聚类仅接受计数数据。 其他格式，例如FPKM，CPM和RPKM不再兼容 2018年

gnss sdr matlab代码入门 此 DVD 包含以 MATLAB 代码和 GNSS 信号记录实现的 GNSS 软件定义无线电 (SDR)。 此外，还包括一些用于在文本中创建图形的脚本。 法律信息（免责声明） :registered: 2006 Springer Science+Business Media, LLC 此电子元件包受联邦版权法和国际条约保护。 如果您希望将本书和电子元件包退还给 Springer Science+Business Media, LLC，请勿打开光盘封套或将其从书中取出。 Springer Science+Business Media, LLC 将不接受任何已打开包裹和/或与书籍分开的退货。 版权所有者保留对包裹的所有权和所有权。 美国版权法禁止您在未经 Springer Science+Business Media, LLC 书面许可的情况下以任何理由复制整个电子组件包，除非您可以下载和复制电子组件包中的文件用于您自己的研究，教学和个人通信使用。 未经 Springer Science+Business Media, LLC 书面同意，严禁用于商业用途。 Springe

车价预测：数据集来自Kaggle

topModel：来自Google的Github公共数据集的一些简短主题建模

目标是编写运行脚本的 MATLAB 代码，以便在 HYSYS 中操作流组合。 这可以通过执行以下过程来完成： 首先应该在 HYSYS 中制作一个脚本（工具 -> 脚本管理器 -> 新建） 然后，手动更改流组成并停止录制脚本。 您正在工作的路线中将有一个 *.SCP 文件。 通过打开 SCP 文件，我们可以看到新合成值的位置在哪里。 使用 MATLAB 中的“fseek”和“fwrite”命令，可以替换所需的值。 现在我们可以从 MATLAB 运行脚本并查看 HYSYS 文件中的更改

xgboost代码回归matlab 神经解码： 包含许多用于解码神经活动的方法的python软件包 该软件包包含经典解码方法（维纳滤波器，维纳级联，卡尔曼滤波器，支持向量回归）和现代机器学习方法（XGBoost，密集神经网络，递归神经网络，GRU，LSTM）的混合。 当前设计解码器来预测连续值的输出。 将来，我们将修改功能以允许分类。 该程序包随附一个，用于比较这些方法在多个数据集上的性能。 如果您在研究中使用我们的代码，请引用该手稿，我们将不胜感激。 依存关系 为了运行所有基于神经网络的解码器，您需要安装为了运行XGBoost解码器，您需要安装为了运行维纳滤波器，维纳级联或支持向量回归，您将需要。 入门 我们提供了jupyter笔记本，其中提供了有关如何使用解码器的详细示例。 文件“ Examples_kf_decoder”用于卡尔曼滤波器解码器，文件“ Examples_all_decoders”用于所有其他解码器。 在这里，我们提供一个使用LSTM解码器的基本示例。 对于此示例，我们假设我们已经加载了矩阵： “ neural_data”：大小为“时间段总数” x“神经元数量”的矩

基于CNN的姿势识别 帮助机器通过相机了解人类的行为很重要。 一旦实现，机器就可以对各种人体姿势做出不同的React。 但是该过程也非常困难，因为通常它非常缓慢且耗电，并且需要非常大的存储空间。 在这里，我们着重于实时姿势识别，并尝试使机器“知道”我们做出的姿势。 姿势识别系统由DE10-Nano SoC FPGA套件，相机和HDMI监视器组成。 SoC FPGA捕获来自摄像机的视频流，使用CNN模型识别人体姿势，最后通过HDMI接口显示原始视频和分类结果（站立，行走，挥动等）。 单据 我们在这里上传论文。 并演示了该项目的详细信息。 专案 我们上载我们的项目，包括Matlab，Python和Quartus。 软件版本为： Matlab R2017b 的Python 3.6.3 Python5.1.0 TensorFlow-gpu 1.3.0 Quartus 14.0

使用process启动exe并监听接收来自exe输出的console数据的demo

我们通过一个案例研究来说明，回归预测是预测运动成绩的最佳方法。 通过从巴西最著名的体育网站之一获得数学家对一级足球晋升的预测，我们表明，当我们期望回归均值时，进行贝叶斯更新会产生误导。 专家未能意识到结果越极端，预期的回归就越大，因为极高的分数表示非常幸运的日子。

神经架构搜索Neural Architecture Search (NAS)是深度学习研究热点。NAS旨在通过使用有限的计算资源，以尽可能少的人工干预的自动化方式设计具有最佳性能的网络架构。西北大学等学者发布了关于神经架构搜索的综述论文，对NAS进行了全面、系统的综述。