<利用Python进行数据分析>的源代码和数据集

比如说分析气机功率与蒸汽压力设定值的关系、蒸汽流量（压力）与氧含量设定值的关系、炉膛温度与空燃比上下限的关系等等！查看各变量之间相互影响！

matlab声音信号相位代码一种识别火焰模型的多保真高斯过程方法 1. 亮点 提出了一种新的基于机器学习的策略，以有效降低火焰模型识别中的不确定性，从而确保可靠的燃烧器设计和分析。 该策略依赖于多保真高斯过程模型，该模型有效地聚合了低/高保真识别结果并平衡了计算工作量和准确性之间的权衡。 我们在从测试台获取的数据上成功测试了多保真策略。 我们的结果表明，给定相同的计算预算，所提出的策略在全局范围内产生更准确、更稳健的火焰模型识别。 这项工作最初在会议上发表，后来被期刊接受： Guo S.、Silva CF、Polifke W.，通过多保真高斯过程方法对火焰频率响应进行鲁棒识别。 声音与振动杂志，2021 年。 2. 动机 火焰模型构成了燃烧不稳定预测中不确定性的主要来源。 这种不确定性通常源于噪声时间序列数据的模型识别不完善。 最先进的识别方法要么准确但速度非常慢，要么速度快但包含很大的不确定性。 3. 方法论 我们旨在通过提出一种多保真机器学习方法来识别火焰模型，从而充分利用各自的优势，同时避免最先进方法的弱点。 这种方法吸收了低保真结果提供的全局趋势和高保真结果提供的局部估计，从而

AnimeGAN_tensorflow 源代码和数据集合

人工神经网络 纸质数据和代码 这是AAAI 2019论文： 的代码。 我们已经在Tensorflow和Pytorch中实现了我们的方法。 这是我们在论文中使用的两个数据集。 下载数据集后，您可以将它们放在文件夹datasets/ ： 友情链接： ://2015.recsyschallenge.com/challenge.html DIGINETICA： ://cikm2016.cs.iupui.edu/cikm-cup或 文件夹datasets/包含一个小的数据集sample ，可用于测试代码的正确性。 我们还写了解释该论文。 用法 您需要先运行文件datasets/preprocess.py来预处理数据。 例如： cd datasets; python preprocess.py --dataset=sample cd datasets; python preproces

Python深度学习实战-源代码和数据集

在 Jupyter Notebook 上用 Python 实现的一元线性回归，包括源码和数据，大家可以学习参考使用

在 Jupyter Notebook 上用 Python 实现多元线性回归，包括源代码和数据，以供大家学习参考使用.

使用CNN功能进行图像匹配 概述 针对深度遥感影像在成像方式，时间相位，分辨率等方面的差异难以匹配的问题，提出了一种新的深度学习特征匹配方法。 结果表明，该算法具有较强的适应性和鲁棒性，在匹配点的数量和分布，效率和适应性方面均优于其他算法。 该存储库包含以下文件的实现： "A Heterogeneous Remote-Sensing Image Matching Method Based on Deep Learning Feature" （in Chinese） 一种基于深度学习特征的异源遥感影像匹配算法 该存储库中特征提取的主要思想和代码均基于 。 匹配结果： 谷歌地球图像之间的匹配结果（2009年和2018年） 无人机光学图像与红外热像的匹配结果 SAR图像（GF-3）与光学卫星（ZY-3）图像的匹配结果 卫星图与地图的匹配结果 入门： 建议使用Python 3.7+来运

盛大 这是论文的代码：用于图的半监督学习的图随机神经网络[ ] 如果您认为我们的工作对您有帮助，请引用我们的论文： @inproceedings{feng2020grand, title={Graph Random Neural Network for Semi-Supervised Learning on Graphs}, author={Wenzheng Feng, Jie Zhang, Yuxiao Dong, Yu Han, Huanbo Luan, Qian Xu, Qiang Yang, Evgeny Kharlamov, Jie Tang}, booktitle={NeurIPS'20}, year={2020} } 要求 的Python 3.7.3 请通过pip install -r requirements.txt安装其他程序包 使用范例 在Cor