在本次网络研讨会中，我们将说明用于设计和分析雷达系统的技术。 您将了解如何执行雷达系统设计和分析任务，例如波形设计、目标检测、波束成形和时空自适应处理。 该网络研讨会面向从事雷达或相控阵技术应用的科学家、工程师和学生。 下载ZIP文件并执行以下示例： 1) ex1.m 2）ex2.m 3) ex3.m 要查看网络研讨会，请单击此处： http://www.mathworks.com/videos/radar-system-design-and-analysis-with-matlab-81917.html 关于演示者：Vincent Pellissier 是 Phased Array System Toolbox 的开发经理，专注于将阵列处理功能引入 MATLAB。

多任务学习的多模式情感分析 使用CMU-MOSI数据库进行情感分析的单峰和多峰单任务，双任务和三任务学习模型。 在单任务模型中，我们执行回归实验以预测情绪得分。 在双任务模型中，我们执行多任务学习实验，这些实验以情感分数回归为主要任务，而强度或极性分类为辅助任务。 在三任务模型中，我们执行多任务学习实验，以情感得分回归为主要任务，强度和极性分类为辅助任务。 在多模式模型中，我们比较了早期融合，晚期融合，分层融合和张量融合网络。 这些代码适用于我们的ACL2018人类多峰语言计算建模研讨会论文： @inproceedings{tian2018polarity, title={Polarity and Intensity: the Two Aspects of Sentiment Analysis}, author={Tian, Leimin and Lai, Cather

** 更新：网络研讨会录音可从以下网址获得： http://www.mathworks.com/videos/electricity-load-and-price-forecasting-with-matlab-81765.html 此示例演示如何使用 MATLAB:registered: 构建短期电力负荷（和价格）预测系统。 校准两个非线性回归模型（神经网络和袋装回归树），以在给定温度预测、假期信息和历史负载的情况下预测每小时的日前负载。 这些模型在 2004 年至 2007 年 NEPOOL 地区（由 ISO 新英格兰提供）的每小时数据上进行训练，并在 2008 年的样本外数据上进行测试。 该应用程序包括一个（可选）Excel 前端，使用户能够通过 MATLAB 可部署的 DLL 调用经过训练的负载预测模型。 标题为“负荷和价格预测案例研究简介”的文档将指导您完成分析的不同组成部分。 如果您没有所有

AWS Brazil Tech Talk 2019 AI服务演示 该演示的目的是展示如何使用某些AWS AI服务。 我们将构建一个聊天机器人，以上传图像和视频，从内容中提取更多信息，以便更轻松地搜索它们并生成有关它们的音频文件。 下面我们有这个演示的架构： 要开始使用，您将需要具有以下访问权限的IAM用户： CloudFormation S3 我是 DynamoDB 拉姆达 录制 文字练习 重新认识 理解 翻译 波莉 莱克斯 笔记： 该演示的目的是演示AWS AI服务。 所使用的代码不适用于生产。 在弗吉尼亚北部地区（us-east-1）测试。 开始之前，请克隆或下载存储库！ CloudFormation 通过以下打开CloudFormation控制台： //console.aws.amazon.com/cloudformation 在“欢迎”页面上，单击“创建堆栈”

研讨会：研讨会：Ubermag的微磁

研讨会PostGIS栅格 该研讨会旨在解释和举例说明PostGIS栅格的用法。 创建和还原数据库 为了开始研讨会，我们将加载一个现有的数据库。 请使用pgAdmin创建一个新的空数据库，然后将现有的转储postgis_raster.backup从该存储库还原到新创建的新数据库中。 数据库结构 恢复的数据库由以下结构组成： schema_name （您应该使用您的名称重命名） 上市 栅格 向量 铁路（线） 地点（点） porto_parishes（多边形） Schema schema_name和栅格为空，您将在进行练习时向其中添加表。 表格vectors.porto_parishes具有葡萄牙波尔图地区存在的所有教区。 请先浏览数据库，然后再继续。 加载栅格 我们将从将栅格文件Landsat8_L1TP_RGBN.tif和srtm_1arc_v3.tif加载到栅格模式开始。

TF.JS CodeForCause研讨会：姿势校正 使用Tensorflow.JS，Posenet，ML5.JS，P5.JS创建的车间项目，可跟踪用户的身体姿势，如果姿势错误，则会使用户的屏幕模糊并发出警报声。 重要连结 -- 资源

2020年1月Arm中国SoC技术研讨会资料合集：001_DesignStart；006如何快速构建Arm Cortex M处理器的评估和应用系统；007Arm-based SoC......等等。

一个从无到有的宇宙：Kayobe研讨会的Kayobe配置“从无到有的宇宙：使用Kolla，Ansible和Kayobe的容器化OpenStack部署”

这些文件伴随着网络研讨会，可以在这里查看： http://www.mathworks.com/videos/multilevel-mixed-effects-modeling-using-matlab-91755.html 关于网络研讨会： 在本次网络研讨会中，您将学习如何拟合各种线性混合效应 (LME) 模型，以对您的数据进行统计推断并生成准确的预测。 混合效应模型常用于计量经济学（面板数据）、生物统计学和社会学（纵向数据），其中数据是按组收集和汇总的。 在这些情况下，具有嵌套或交叉因素的 LME 模型可以完全结合无法通过简单线性回归准确建模的组级上下文效应。