An empirical Bayes approach to efficient portfolio selection.pdfAn empirical Bayes approach to efficient portfolio selection.pdf

ksvd MATLAB代码健壮_KSVD MATLAB和Python代码可利用KSVD变体来实现健壮的字典学习。 作者：卡洛斯·洛萨（Carlos Loza） 接触：

svd算法matlab代码高维设计差分私有估计器 高维差分私有鲁棒均值估计器的MATLAB实现。 先决条件 用于在较大矩阵上进行特征值计算的MATLAB软件包 算法实现 dpCode目录包含各种差分私有均值估计算法的实现代码。 dpFilterGaussianMean.m ：本文提出的新型差分私有算法的主要实现 filterGaussianMean.m ：通过过滤实现稳健的均值估计，取自，并在ICML 2017的论文中进行了描述 dpWinsorizedMean.m ：的差分私有dpWinsorizedMean.m Mean（算法1）的实现 privateQuantile.m ：实用程序函数，包含来自的privateQuantile算法（算法2）的实现 laplaceSample.m ：实用函数，通过逆CDF采样从Laplace分布中提取噪声样本 我们的算法仅需要前两个文件，而后两个文件则来自的DP Winsorized均值参考算法。 最后一个文件（ laplaceSample.m ）是两种算法中使用的Laplace机制的实用程序实现。 重现性 compareDPMeanEstimat

鲁棒自适应控制的英文教材 值得一看! Petros A. Ioannou 的书

2.1 基基基本本本原原原理理理 因为R是一种编程语言，一些对编程不太熟悉的人可能会望而却步。这种 障碍其实是完全没有必要，首先，R是一种解释型语言，而不是编译语言，也 就意味着输入的命令能够直接被执行，而不需要像一些语言要首先构成一个 完整的程序形式(如C，Fortan, Pascal, . . . )。 第二，R的语法非常之简单和直观。例如，线性回归的命令lm(y ~ x) 表 示“以x为自变量，y为反应量来拟合一个线性模型”。合法的R函数总是带有 圆括号的形式，即使括号内没有内容(如,ls())。如果直接输入函数名而不输 入圆括号，R则会自动显示该函数的一些具体内容。在本手册中除在部分文字 已作出清楚的说明外，所有的函数后都接有圆括号以区别于对象(object)。 当R运行时，所有变量，数据，函数及结果都以对象(objects)的形式存 在计算机的活动内存中，并冠有相应的名字代号。我们可以通过用一些运算 符(如算术，逻辑，比较等)和一些函数(其本身也是对象)来对这些对象进行操 作。运算操作非常简单，其细节将留在下章讨论(p. 26). 关于R中的函数可用 下面的图例来形象的描述： arguments −→ options −→ function ↑ default arguments =⇒result 上图中的参量(argument)可能是一些对象(如数据，方程，算式. . . )。有 些参量在函数里被预设为缺省值，用户则可按需对其作个别的修改。所以运 行一个R函数可能不需要设定任何参量，原因是所有的参量都可以被默认为缺 3

稳健的电力系统状态估计器对于监控应用至关重要。 根据我们的经验，我们发现使用投影统计的鲁棒广义最大似然（GM）估计是文献中最好的方法之一。 它对多个交互和一致的不良数据、不良杠杆点、不良零注入以及某些类型的网络攻击具有鲁棒性。 此外，其计算效率高，适合在线应用。 除了 GM 估计器的良好击穿点外，它在高斯或其他厚尾非高斯测量噪声下具有很高的统计效率。 使用 SCADA 测量的 GM 估计器的原始版本是由 Mili 和他的同事在 1996 年提出的 [1]。 通过在 [R2] 中使用 Givens 旋转增强了其数值稳定性。 在 [R3] 中，GM 估计器被扩展为同时估计变压器抽头位置和系统状态。 错误的零注射也得到了解决。 在 [R4] 中，提出了 GM 估计器来处理动态状态估计中的创新和观察异常值以及测量损失。 在这里，我们想与所有研究人员分享 GM 估计器的 Matlab 代码。 我们还

使用对抗性训练增强深度学习以稳健预测癫痫发作 该存储库包含 Hussein A.、Djandji M. 等人在 ACM Transactions on Computing for Healthcare 发表的期刊论文“Augmenting DL with Adversarial Training for Robust Prediction of Epilepsy Seizures”中使用的代码。 该论文可以在这里找到： : 。 要求 h5py (2.9.0) 希克尔 (3.4.5) matplotlib (3.1.1) 内 (0.11.0) 熊猫 (0.25.1) scikit-learn (0.21.3) scipy (1.1.0) 张量流-GPU (1.14.0) 主文件夹说明 CHBMIT 和 FB：原始数据集文件夹。 CHBMIT_cache 和 FB_cach

这是一篇关于不确定时滞系统的巨著，里面介绍了时滞系统滤波器设计的方法，也给出了好多处理不确定性的方法，是值得一读的专著

Calafiore G,CampiMC.Uncertainconvexprograms:randomizedsolutionsand confidence levels.MathematicalProgramming2005;102(1):25–46.

matlab超声成像代码通用深度波束成形器适用于稳健的超声成像 “用于鲁棒超声成像的通用深波束成形器”的计算机代码和数据集 纸 Shujaat Khan、Jaeyoung Huh 和 Jong Chul Ye。 “用于可变速率超声成像的通用深波束成形器。” . 执行 MatConvNet (matconvnet-1.0-beta24) 请运行 matconvnet-1.0-beta24/matlab/vl_compilenn.m 文件来编译 matconvnet。 有关于“”的说明 请运行安装设置 (install.m) 并运行一些训练示例。 训练网络 上传了“通用深波束成形器 CNN”的训练网络。 使用第 100 个或第 200 个纪元权重进行验证。 （论文中的结果是使用第 200 个时期的权重生成的） 测试数据 样本测试数据放置在“data”文件夹中。 数据维度如下——Test_data = 3x96x64x2048（输入平面x扫描线x通道x深度） 使用建议的算法执行测试 -> 运行“DeepBF_Test.m”