abbrs 基于双层条件随机场的中文公司名简称生成 Flask架构，提供高可用的API服务 Argparse设计，便于命令操作 基于HMM的前向后向算法构建有向概率图 基于维特比算法构建的解析求解最大概率解 完整流程，从语料到训练集至模型生成 更多特性等你发现…… 组件介绍 分为两层处理，分类（classify）与切分（seg）。 classify 将公司名基于自定义类型做分类，为之后简称缩略模型提供支持以及规则模型提供支持 seg 利用classify结果结合其他特征来获取最终简称集合 目录介绍 project bin //中间交换结构 doc load //加载模型 preprocessor //预处理语语料 train //训练模型 util //工具 app.py //API入口 config.py //配置 环境准备 python环境 请使用python3环境进

人工智能-反向传播神经网络在混沌时间序列预测中的应用.pdf

每月销售预测 在这个项目中，我使用时间序列分析根据历史数据预测了零售商店的月销售额。

基于MFC的对话框，实现avi视频文件转换为bmp图片序列，和bmp图片序列转换为avi文件的功能。

时间序列分析在R中实现

经傅里叶逆变换(IFFT)后得到实数序列-含Matlab程序

这是时间序列处理器 (TSPROC) 的开发源代码树。 最初的 TSPROC 开发由 Watermark Numerical Computing 的 John Doherty 完成。它是地表水实用程序包的一部分，旨在支持使用参数估计 (PEST) 套件或程序优化模型参数。PEST 也是由 John Doherty 开发的。 构建过程总结 在源目录结构之外创建一个构建目录并更改目录。如果您已克隆此存储库，那么您应该在“build”子目录中找到几个子目录，其中包含旨在在调用 CMake 之前设置环境变量和编译选项的脚本。CMake 获取这些环境变量，解析源代码，确定依赖关系（即首先构建哪些模块），并创建一个makefile。然后用户可以调用 makefile 来触发各种模块的实际编译和链接。 更多详情、使用方法，请下载后阅读README.md文件

时间序列和面板数据方法的计量经济学包，涵盖单位根、协整和因果关系检验。在存在结构断裂的情况下进行广泛的测试。 例子 安装库后，所有可用程序的示例都可以在您的GAUSS主目录中的pkgs > tspdlib >examples目录中找到。该示例使用包含在pkgs > tspdlib >examples目录中的GAUSS和 .csv 数据集。 文档 这些过程的文档tspdlib可以在我们的Aptech TSPDLIB 文档页面上找到。 更多详情、使用方法，请下载后阅读README.md文件

欢迎来到 TSP 引擎！ TSP 是一个时间序列模式搜索引擎。它是Clover Group Service 平台背后的后端系统。 TSP 是一个用现代 Scala 实现的分布式计算系统。有关详细信息，请参阅文档。 更多详情、使用方法，请下载后阅读README.md文件

用于定义和执行时间序列预测过程的功能，包括前（后）处理、分解、建模、预测和准确性评估。生成的模型及其产生的预测误差可用于对其他时间序列预测方法进行基准测试，并提出对此类方法进行改进的需求。为此，可以使用来自预测竞赛的基准数据。