forestError：随机森林预测误差估计的统一框架 1.0.0版更新 该软件包已更新，以反映偏差的常规征兆（平均预测减去平均响应）。 该软件包的早期版本返回负偏差（平均响应减去均值预测）。 因此，必须颠倒涉及此程序包输出的任何偏差的代数运算的符号，以保持其预期的效果。 概述 forestError软件包使用Lu和Hardin（2021）中引入的插件方法为随机森林预测估算条件均方预测误差，条件偏差，条件预测间隔和条件误差分布。 这些估计值取决于测试观测值的预测值，并考虑可能的响应异质性，随机森林预测偏差以及整个预测器空间中的随机森林预测变异性。 在当前状态下，此程序包中的main函数接受使用以下任何程序包构建的回归随机森林： randomForest ， randomForestSRC ， ranger ，和 quantregForest 。 安装 在R运行以下代码行将从CRAN

改进的自适应遗传算法与BP算法结合算法的整套算法及子程序

离散控制Matlab代码潜在Alpha模型估算代码的文档 作者： Philippe Casgrain 电子邮件： MATLAB和C代码的此集合可用于通过EM算法估算纯跳跃潜在alpha模型中的参数。 有关这些模型和估计算法以及它们在算法交易中的使用的更多信息，请参见[^ fn1]。 注意：在此存储库中找到的许多C代码都是基于的经典HMM的Forward-Backward算法的C / mex实现。 该算法的原始代码以及不同实现方式的比较。 价格过程模型 我们考虑资产价格过程$ S_t $的连续时间模型，该模型由潜在的隐马尔可夫链$ \ Theta $驱动。 我们假设此特定模型的动力学表示为$$ dS_t = \ delta \ left（dN_t ^ +-dN_t ^-\ right）; $ $$，其中$ \ delta> 0 $表示刻度尺寸，而$ N_t ^ \ pm $是具有相应随机强度$ \ lambda_t ^ {\ pm} $的泊松过程。 我们假设强度过程采用如下形式$ $$ \ lambda_t ^ {\ pm} = \ sigma + \ kappa（\ Theta_t-S

微信点餐 扫码点餐 餐饮行业 点餐 软件 后台管理 可为餐饮企业节省人工！开发环境为Visual Studio 2013，数据库为SqlServer2008R2，使用.net 4.5开发。

fcm代码matlab 面部图像的ML年龄估计 在Matlab中构建的代码使用的数据集是FGNET的。必须先编译并运行名为preprocessing.m的文件，然后编译并运行名为Feature Extraction的文件，以便我们将具有所有特征值的.mat文件用于聚类名为fcm_age的零件文件进行测试和估算根据模糊c均值聚类算法计算年龄。 使用SVM分类器对> 30岁和<30岁的二元年龄组进行分类。

针对第三代非支配排序遗传算法（non-dominated sorting genetic algorithm-Ⅲ，NSGA-Ⅲ）在处理高维多目标函数时存在收敛精度低和搜索性能差等问题，提出一种自适应多种群NSGA-Ⅲ算法。首先将传统算法的单一种群划分成四个亚种群，并为每个亚种群分配不同的交叉算子；其次提出外部最优解集（external optimal solution set，EXS）的概念，通过计算个体更新最优解集的参与量来自适应调节每个亚种群的大小；最后利用局部搜索策略提高EXS的局部搜索性能。采用四个不同的测试函数，与七种对比算法进行仿真验证，结果表明在处理高维多目标优化问题时，提出算法的性能指标整体优于其他对比算法，能够获得较好的算法收敛性和种群多样性。

建立稀疏多项式混沌展开的自适应算法；Polynomial chaos (PC) expansions are used in stochastic finite element analysis to represent the random model response by a set of coefficients in a suitable (so-called polynomial chaos) basis.

随着光纤通信系统容量的增加和信道间隔的降低,非线性噪声必然成为限制光传输系统发展的重要因素。提出了一种比较准确的仿真模型用来估计把非线性噪声当作加性高斯处理的高斯噪声(GN)模型的适用范围，同时对该模型进行了大量的仿真验证，包括不同的光纤类型和不同的调制格式。仿真结果证明,GN模型的非线性噪声功率谱密度理论解析式在预色散的系统中是非常准确、可靠的。同时，表明在没有预色散的系统中，非线性噪声与调制格式有关，但是预色散能够消除调制格式对非线性噪声的影响。

离散时间信号，时域离散随机信号，维纳滤波器，线性预测，自适应处理，LMS,最小二乘估计，RLS,卡尔曼滤波

PyTorch中的RAHGCN 1.概述 该存储库是PyTorch中通过强化学习（RAHGCN）实现的自适应双曲图卷积神经网络。 下游任务包括： 链接预测（ lp ） 节点分类（ nc ） 2.设定 2.1下载代码 首先从Github下载源代码。 git clone git@github.com:fuxingcheng/RHGNN.git" cd rahgcn 2.2启动虚拟环境 我们建议在虚拟环境中设置我们的项目。 您可以选择conda或virtualenv来创建和管理虚拟环境。 如果您尚未安装conda，请按照的说明进行安装。 如果尚未安装virtualenv，则只需运行pip3 install virtualenv 。 对于conda ： conda env create -f environment.yml python=3.6 source activate ra