学习基于状态空间的模型预测控制强烈推荐的一本书，书中提供m语言源代码

yolo4涉及的配置、模型、类别名称等文件

共视控制 Covid Control是一种免费且可评估的机器学习模型，可预测Covid19日案例（7天移动平均值）的未来数量。 使用LSTM和强化学习对非药物干预（NPI）进行量化。 利用机器学习挽救人类史无前例的全球健康能效新型冠状病毒（COVID-19）的生命，以帮助拉平曲线。 开发数据驱动的AI系统以预测感染率并制定区域政府，社区和组织可以实施的干预计划（IP）。 当国家重新开放经济和社会时，干预计划可以减少感染病例，最大程度地减少负面经济影响，并带来更好的结果。 动机：Covid19大流行React 3Blue1Brown的“指数增长和流行病” Covid19视频： 目标是开发一种机器学习模型，以预测未来全球Covid案例的数量： Part1预测器：LSTM长短期记忆预测器模型 使用LSTM长短期记忆以最高的准确性估算未来每天发生的COVID-19病例数，并开发了一种预测器模型

SCOR模型参考（v12.0），官方英文原版

Paper - SWAGAN - A Style-based WAvelet-driven Generative Model.pdf

描述了系统工程和光学紧耦合的MBSE方法论

dlib模型文件

DQMC-哈伯德模型 行列式量子蒙特卡洛(DQMC)模拟的C ++实现应用于半填充的Hubbard模型。 * Cyclic update (sweep back and forth). * Stable sweeping process with high computational efficiency (linked to intel MKL library). * Support equal-time and time-displaced measurements of physical quantities. * Support attractive and repulsive hubbard interaction. * Program works well in condition of moderate model parameters. 去做 * Spectrum fun

国外人编写的模型预测控制，内容非常的翔实，而且专门介绍了在matlab下进行模型预测控制的实现。

Matlab Hill代码可塑性模型 突触促进模型，抑郁症 我根据[1]中描述的方程式创建了一个用于突触促进和突触抑制的机械模型。 这是由我在华盛顿大学的Neusci 301（细胞和分子神经科学导论）中进行的实验所启发的。 在这些实验中，研究了小龙虾浅屈肌及其相关神经支配的突触传递。 我们从神经中的突触前细胞和肌肉中的突触后细胞记录下来。 我们能够以各种频率刺激神经并记录肌肉中的EPSP，从而使我们能够研究高频刺激对突触强度和突触可塑性的影响。 我们观察到较高频率刺激的混合可塑性（促进和抑郁同时发生），这启发了我以计算方式探索这些现象背后的机制，并探索了是否可以对混合可塑性进行建模。 我们的几个实验文件都包含在此处。 背景 大脑中的交流发生在突触，即神经元之间的微小间隙。 在这些突触中，神经递质从突触前的末端释放到囊泡（小包）中的突触后结构。 神经递质介导突触后神经元的电React。 突触活动通常会导致突触强度发生变化（突触前细胞在引起突触后细胞中产生电响应方面的成功程度。）这种现象称为突触可塑性。 突触可塑性可以是长期的或短期的。 短期突触可塑性有几种形式。 一种是突触促进，一种突触