张贤达出版的《时间序列分析— 高阶统计量方法》一
书是国内盲信号分离研究的里程碑，书中介绍了盲分离
的理论基础及有关算法，经典。
2022-05-25 15:44:25
7.42MB
1
随机波动率模型（SV模型）
模型的定义为：
其中 ，且 和 独立。
估计SV模型比较困难，需要利用Kalman滤波的伪似然方法或者蒙特卡洛方法。
2022-05-24 10:48:42
3.76MB
1
CNN可以很好地识别数据中的简单模式，然后使用这些模式在更高的层中形成更复杂的模式。当您希望从整体数据集的较短(固定长度)片段中获得有趣的特征，且特征在片段中的位置相关性不高时，1D CNN非常有效。
这适用于传感器数据(如陀螺仪或加速度计数据)的时间序列分析。它还适用于分析固定长度周期内的任何类型的信号数据(如音频信号)。另一个应用程序是NLP(尽管在这里LSTM网络更有前途，因为单词的接近程度可能并不总是一个可训练模式的良好指示器)
博客地址：https://blog.csdn.net/weixin_38346042/article/details/121742025?spm=1001.2014.3001.5501
2022-05-23 21:06:55
5KB
ml-projects：基于ML的项目，例如垃圾邮件分类，时间序列分析，使用随机森林进行文本分类，深度学习，贝叶斯，Python中的Xgboost
2022-05-19 01:00:19
9KB
1
《时间序列分析及应用（R语言）（原书第2版）》以易于理解的方式讲述了时间序列模型及其应用，内容包括趋势、平稳时间序列模型、非平稳时间序列模型、模型识别、参数估计、模型诊断、预测、季节模型、时间序列回归模型、异方差模型、谱分析入门、谱估计和门限模型。对所有的思想和方法，都用真实数据集和模拟数据集进行了说明。
《时间序列分析及应用（R语言）（原书第2版）》的一大特点是采用R语言来作图和分析数据，书中的所有图表和实证结果都是用R命令得到的。作者还为《时间序列分析及应用（R语言）（原书第2版）》制作了大量新增或增强的-函数。《时间序列分析及应用（R语言）（原书第2版）》的另一特点是包含很多有用的附录．例如，回顾了有关期望、方差、协方差、相关系数等概念．筒述了条件期望的性质以及最小均方误差预测等内容，这些附录有利于关心技术细节的读者深入了解相关内容。
2022-05-08 17:04:33
33.55MB
1