道路交通拥堵正在成为发展中国家的一个严重问题，并严重影响着各国的经济。 城市道路日益拥堵对城市地区的经济增长和宜居性构成了真正的威胁。 大多数交通拥堵是由于计划外的道路网络、大量车辆和严重拥堵区域的存在造成的。 交通拥堵不仅对经济构成威胁，也对环境构成威胁。 从拥挤的主要道路到次要道路和小街的溢出效应作为替代路线通常会导致更多的拥堵； 由于间距过小和不断的走走停停，增加了碰撞和事故的机会。 下面的论文通过估计城市道路网络上实时交通拥堵的范围并预测到目的地的替代最短路线，提出了一种智能拥堵避免技术。 所提出的系统使用 K-Means 聚类算法来估计不同道路上的拥堵程度，然后使用 Dijkstra 算法来预测最短路线。 一旦用户将目的地输入系统，系统就会预测出距离用户当前位置的最短路线。 在每个路口重复该过程，直到用户到达目的地。 论文链接： http : //ieeexplore.ieee.

matlab车道线检测估计中心线距离

鲁棒且准确的中心频率估计（RACE）算法，用于在没有已知标记参数的情况下提高SinMod在标记的心脏MR图像上的运动估计性能

零DCE 零参考深曲线估计的Pytorch实施以实现低光图像增强（ ）。 使用活页夹访问笔记本： 在Wandb上找到培训日志： ://wandb.ai/19soumik-rakshit96/zero-dce 结果 嘈杂结果示例 引文 @article{2001.06826, Author = {Chunle Guo and Chongyi Li and Jichang Guo and Chen Change Loy and Junhui Hou and Sam Kwong and Runmin Cong}, Title = {Zero-Reference Deep Curve Estimation for Low-Light Image Enhancement}, Year = {2020}, Eprint = {arXiv:2001

自抗扰控制技术——估计补偿不确定因素的控制技术（韩京清著） （自抗扰控制经典著作）

第6章 最小二乘估计理论及算法.ppt

为了将交通出行需求对路网交通流量的影响进行动态的量化分析，提出了一个基于O-D矩阵估计的路网交通流量仿真模型。利用O-D矩阵估计的重力模型计算方法、复杂网络理论和路段阻抗模型，构建了路网模型；在人们出行总是选择路段阻抗最小路径的假定下，设计了出行需求的路网流量映射算法；基于离散事件仿真，在PC系统上实现了路网流量仿真系统。仿真结果表明：该仿真系统可以根据各交通子区域出行需求的变化，精确模拟路网流量和交通状态的动态演进。

matlab开发-使用指数加权移动平均值的估计值。用指数加权移动平均法估计投资组合的风险价值。

关于LDPC使用AWGN和BSN信道的噪声估计代码 自己设置迭代次数和码长

matlab代码影响MHP 这个库包含用于产生事件，并估计使用A M ultivariateħawkes P rocess参数重量轻的Python实现。 它包含以下代码组件： HP/simulators ：使用改进的Ogata的细化算法生成具有给定参数的级联。 HP/estimators ：使用最大似然估计多元霍克斯过程的参数。 从复制并稍加修改了模拟代码。 与朴素的实现相比，该代码经过了优化，可以改善运行时。 如果您碰巧使用此代码，请考虑引用我们的。 这是 @inproceedings{soni2019detecting, title={Detecting Social Influence in Event Cascades by Comparing Discriminative Rankers}, author={Soni, Sandeep and Ramirez, Shawn Ling and Eisenstein, Jacob}, booktitle={The 2019 ACM SIGKDD Workshop on Causal Discovery}, pages={78--9