弹性数据集 这是一些较小的数据集，可用于与Elasticsearch一起玩。 您只能在R包中容纳这么多数据。 对于Elasticsearch将R客户端，我们保持附带了一些数据，但当然很高兴有更多，所以在这儿呢。 另请参阅 ，以使用R中的Elasticsearch。 数据集 plos_everything.json plos_introductions.json plos_data.json geonames_elastic_bulk.zip对于gitub太大， gbif_data.json gbif_geo.json gbif_geopoint.json gbif_geoshape.json gbif_geosmall.json shakespeare_data.json omdb.json 载入ES 这些数据集经过格式化后可以通过批量加载到Elasticsearc

采用python直接调用EMC（增强蒙德卡洛）构建用于lammps的data文件。

我看很多CSDN都是要积分才能下载，对于一清二白的程序员来说很难入手，在这里免费贡献给各位C#开发爱好者。

IC spec

data_structure-of-C

data_structure-of-C

Gid1319Pdf_Hi3559_V100_2K4K_MobileCamera_SoC_Brief_Data_Sheet hi3559v100 芯片手册

Udacity-Data-Wrangling 数据整理

Modeling Continuous-time Event Data with Neural Temporal Point Processes 事件数据是机器学习许多高影响力应用的核心。电子健康记录中的医院访问，地震学中的地震目录，以及神经科学中的高峰列车——所有这些都可以用连续时间中可变长度的事件序列来表示。时间点流程(TPPs)为此类数据建模提供了一个自然的框架。然而，传统的TPP模型缺乏捕捉现实事件数据中呈现的复杂模式的能力。神经TPP旨在通过将神经网络与点过程文献中的基本思想相结合来解决这一限制。本论文的两个主要主题是(1) 设计灵活、可处理和高效的神经TPP模型，(2)它们在现实问题中的应用。我们的第一个贡献是TPP和神经密度估计领域之间的联系。这使得我们能够开发第一个神经TPP模型，其中的可能性计算、采样和预测都可以以封闭的形式有效地完成。接下来，我们提出了TriTPP——一种新的表达性TPP模型，与现有方法不同，该模型中所有操作都可以并行完成。快速平行采样为TPP模式开启了新的应用。我们通过推导连续时间离散状态系统的变分推断方案来证明这一点。最后，我们将拟合优度测试方

The TDA8034HN is a cost-effective analog interface for asynchronous and synchronous smart cards operating at 5 V, 3 V or 1.8 V. Using few external components, the TDA8034HN provides all supply, protection and control functions between a smart card and the microcontroller.