scratch随机数每次产生的数值经常会出现重复的情况，利用变量，将不重复的随机数插入到链表中。

scratch利用变量模拟计算器加减法运算以及小数点的计算

使用VAR模型和复杂网络测度对多变量时间序列进行因果分析

它是一种确定性迭代零阶算法，可用于解决无约束优化问题。 它使用确定性迭代零阶算法找到两个变量函数的相对最小值。 % 模式搜索方法% 它使用模式搜索方法找到两个变量函数的相对最小值。 % 输入是： % - f：要最小化的函数的matlab内联函数； % - p0：搜索算法的初始点% - step_size：用于探索阶段的初始步骤% - 容差：它定义了探索阶段 step_size 的最小尺寸的停止标准% - N_it：它定义了最大迭代次数的停止标准% 输出为： % - iter：完成的迭代次数% - min：函数在找到的相对最小值中的值。 % - p_min：它是目标函数最小值点的向量 ％％％％ 重要的： ％％％％ 为了正确工作，函数“pattern_search”之前必须有目标函数的等高线图才能最小化。

变量（波长或特征）选择技术已成为分析具有大量变量和相对较少样本的数据集的关键步骤。 在这项研究中，提出了一种新的变量选择策略，即变量组合种群分析（VCPA）。 该策略由两个关键程序组成。 首先，采用指数递减函数（EDF），这是达尔文自然进化论“适者生存”的一个简单有效的原则，用于确定变量的数量，以保持并不断缩小变量空间。 其次，在每次 EDF 运行中，二元矩阵抽样 (BMS) 策略为每个变量提供相同的选择机会并生成不同的变量组合，用于生成子集总体以构建子模型总体。 然后，采用模型总体分析（MPA）来寻找交叉验证均方根误差（RMSECV）较低的变量子集。 计算每个变量出现在最好的 10% 子模型中的频率。 频率越高，变量越重要。 使用三个真实的 NIR 数据集研究了所提出程序的性能 结果表明，与四种高性能变量选择方法相比，VCPA 是一种很好的变量选择策略：遗传算法 - 偏最小二乘法 (GA

secant_method 使用割线法计算单变量函数的根。 句法 root = secant_method(f,x0) root = secant_method(f,x0,TOL) root = secant_method(f,x0,[],imax) root = secant_method(f,x0,TOL,imax) root = secant_method(__,'all') 描述 root = secant_method(f,x0)返回函数的根 由函数句柄f指定，其中x0是根的初始猜测。 默认容差和最大迭代次数分别为TOL = 1e-12和imax = 1e6 。 root = secant_method(f,x0,TOL)返回函数的根 由函数句柄f指定，其中x0是根的初始猜测， TOL是容差。 默认的最大迭代次数为imax = 1e6 。 root

python变量命名规范.pdf

MV-LSTM 多变量LSTM当前神经网络用于多变量时间序列的预测和解释 郭，田，陶林和Nino Antulov-Fantulin。 “在多变量数据上探索可解释的LSTM神经网络。” 国际机器学习会议（ICML）。 2019。 郭涛，林涛，卢Y.自回归外生模型的一种可解释的LSTM神经网络[J]。计算机应用，2006,26（5）：1175-1178 关于ICLR的研讨会专题，2018年。 可以在这里找到PyTorch的实现（贷记给KurochkinAlexey）： :

在进行工控数据采集时，很多设备都是使用RS485 接口传输modbus RTU协议数据，比较常见的是，传输一个字（2个bytes），但是有些变量超过了两个字节，比如float类型、int、long、double类型数据在modbus RTU传输时，该如何排列呢？该工具可以帮你直观的观察这些变量在RTU中传输的排列顺序。

读取word稳定并进行内容替换，table与其余变量都可进行替换，程序可以直接导入运行，jar都带着