一个超级无敌好用的测试工具，这个工具名叫：RegExBuilder 为啥说他好用，主要是他采用即时匹配，这样对新手可以一步步的调试编写正则。
2021-12-12 14:53:56
6.71MB
1
许多现象往往不是简单的与某一因素有关而是要受多个因素的影响，此时就需要用两个或两个以上的影响因素作为自变量来解释因变量的变化，这就是多元回归亦称多重回归。当多个自变量与因变量之间是线性关系时，所进行的回归分析就是多元性回归。
本文的研究主要从四个部分来进行。第一章从基础内容和研究对象着手，对主要研究内容进行了简单的阐述。第二章对多元线性回归的基础进行了详细分析。第三章介绍了中国经济的现状。最后通过多元线性回归模型对我国工业生产总值进行了分析。
总的来说，本文在2007年全国各省市主要工业产品的产量与工业总产值的具体数据下，选用塑料、水泥、钢筋、平板玻璃、粗钢、盘条以及原煤等工业产品的产量作为研究对象，建立多元线性回归模型，并对模型做出参数估计.在此基础上对模型做出一定的解释，对于预测工业总产值具有一定的理论指导和现实意义。
2021-12-09 14:44:48
5.82MB
1
matlab精度检验代码场景分类的空间金字塔匹配
在MATLAB中实现
该项目针对计算机视觉和图像处理类CSE573完成，所有必需的说明均包含在说明pdf文件中。
该系统使用“词袋”方法及其“空间金字塔扩展”将给定图像分类为8种场景。
以下是一些关键点：
该系统已使用来自8个场景的1600幅图像进行了训练，这些场景分别是art_gallery，computer_room，garden，ice_scating，library，mountain，ocean，ocean_court。
在总共160张测试图像中，它具有48.125％的正确分类图像的总体准确度。
整个实现代码在MATLAB文件夹中。
测试和培训数据位于数据文件夹中。
2021-12-08 22:06:57
64.08MB
1
matlab精度检验代码BLEAQ2
版本于2017年4月22日上传
基于二次近似的双层进化算法的自述文件-版本2
快速执行指令：
在ulExternalProblem.m中编写上层优化任务
在llExternalProblem.m中编写较低级别的优化任务
xu和xl分别是上层和下层决策向量
在externalProblem.m中提供问题和算法参数
执行为：externalProblem（）
编写代码是为了在两个级别上实现最大化。
可行性为g（x）<=
0和h（x）=
0。
该代码还允许在更高级别处理多个目标。
在externalProblemMulti.m中检查示例实现
BLEAQ2
BLEAQ2是用于非线性双层优化问题的高效计算进化算法的第二版。
可从以下论文中找到有关该算法工作的更多信息。
Sinha，Ankur，Zhichao
Lu，Kalyanmoy
Deb和Pekka
Malo，“基于多重映射的迭代逼近的双层优化”。
Journal
of
Heuristics（2019即将出版）。
Sinha，Ankur，Zhichao
Lu，Kalyanmoy
Deb和Pekka
Mal
2021-12-04 23:58:30
54KB
1
matlab精度检验代码神经张量网络
Socher，Richard和Chen，Danqi和Manning，Christopher
D和Ng，Andrew编写的基于神经张量网络推理的Matlab原始实现，用于完成知识库
这是论文中的数据集和代码：
使用神经张量网络进行知识库完善的推理Richard
Socher，Danqi
Chen，Christopher
Manning，Andrew
Ng神经信息处理系统的进步（NIPS
2013）
如果您在研究中使用数据集/代码，请引用以上论文。
@incollection
{SocherEtAl2013：DeepKB，标题=
{与神经张量网络进行知识库完善的原因}，作者=
{Richard
Socher和Danqi
Chen以及Christopher
Manning和Ng
Andrew}，书名=
{NIPS}，年份=
{2013}}
=====数据=====
文件夹data
/中包含两个数据集：WordNnet
/，Freebase
/。
每个数据集包含六个文件：
train.txt：培训文件，格式（e1，rel，e2）。
dev.txt：dev文
2021-12-04 21:42:08
125.74MB
1
用法：[p, Q]= chi2test(x) 卡方检验。
给定大量样本，该函数检验样本是独立的。 如果 Q > chi2(p, nu)，则假设被拒绝。 每列代表一个变量，每行代表一个样本。 如果您发现任何错误，请告诉我： . 参数： x 绝对数字。 p 概率值，根据 Q 计算。 Q 产生的 Q 值。 例 1 在 A 区，556 头奶牛中有 324 头是红色的，而在 B 区，260 头奶牛中有 98 头是红色的。 [p, Q]= chi2test([324, 556-324; 98, 260-98]) p= 4.2073e-08 Q= 30.0515 错误风险约为 4e-08，我们可以声称样本是独立的。 例2 扔两个不同的骰子，看看它们是否有相同的概率 1（和 2、3、4、5、6）。 我们不检查它们是否对称，仅当两者的行为方式相同时才检查。 [p,Q] = chi2test([15,10
2021-12-04 14:05:21
2KB
1