TS-1催化剂上氢气还原一氧化氮的研究，李兰冬，陈继新，Si/Ti 比为50的TS-1分子筛通过水热法合成，合成结果由XRD, FTIR 和 SEM手段进行表征. 合成得到的TS-1分子筛在NO直接分解的反应中表现出低的�

本内斯蒂2011年新作品，主要介绍时域噪声抑制理论，值得大家下载下来详细研究

非线性降维，流形学习的经典Laplacian Eigenmaps（LE）算法文章

论文《Dimensionality Reduction-A Comparative Review》自制课堂用交流ppt，上传以方便同样阅读此论文的朋友阅读理解，全文已译，学习交流考虑所以设置0积分下载，请勿二传。

lda降维matlab代码降维pca-lda CS的PCA和LDA分析：551​​模式重建过程hw3 为输出运行patternHw3_main脚本 随代码一起附上报告，该报告分析作业中的给定数据 LDA代码来自Matlab工具箱，用于降维 该工具箱可以从以下位置获得 使用前请先参考

Kernel Entropy Component Analysis,KECA方法的作者R. Jenssen自己写的MATLAB代码，文章发表在2010年5月的IEEE TPAMI上面

matlab正弦仿真代码SPR 2020 研讨会演讲：广义特征分解 此存储库包含我在 2020 年研讨会上的演讲的代码和演示幻灯片——预测或不预测：建模 EEG 数据、承诺和限制。 演讲题目：时域脑电数据的假设驱动降维与源分离 由于 . 指示 . 要运行演示/教程、模拟和分析，请在 MATLAB 中打开simulations.m 。 请记住首先设置您的工作目录或将文件夹添加到路径。 这个simulations.m MATLAB脚本在不同的源/偶极子处模拟不同的正弦波，混合它们的活动并将它们投影到64个头皮脑电图电极，并对模拟的头皮脑电数据（混合源）执行广义特征分解（GED）以恢复​​模拟时空和频率特性。 simulations.m调用的辅助函数： dipole_project.m 、 filterFGx.m 、 topoplotIndie.m emptyEEG.mat包含两个结构： EEG （用于存储 EEG 数据的空 EEGLAB 结构） lf （用于将偶极子活动投影到 64 个通道的前导场矩阵） 座谈会摘要 时域脑电数据的假设驱动降维和源分离 作者 Hause Lin - 加拿大多

混合主成分分析（dPCA） dPCA是一种线性降维技术，可自动发现并突出显示复杂的人口活动的基本特征。 人口活动被分解为几个混合的部分，这些部分捕获了数据中的大多数方差，并突出了人口对各种任务参数（如刺激，决策，奖励等）的动态调整。 D Kobak + ，W Brendel + ，C Constantinidis，CE Feierstein，A Kepecs，ZF Mainen，XL Qi，R Romo，N Uchida，CK Machens 神经人口数据的混合主成分分析eLife 2016， //elifesciences.org/content/5/e10989 （arXiv链接：

这是复数 LLL (CLLL) 算法的 MATLAB 代码： Ying Hung Gan、Cong Ling 和 Wai Ho Mow，“用于低复杂度全分集 MIMO 检测的复杂格约化算法”，IEEE Trans。 信号处理，卷。 57，第 2701-2710 页，2009 年 7 月。（ http://ieeexplore.ieee.org/xpl/articleDetails.jsp?arnumber=4787140 ） 功能说明： B_reduced = CLLL(B) 输入： B - 以列为基向量的基矩阵输出： B_reduced - 以列为基向量的简化基矩阵 CLLL简介： 传统的 Lenstra-Lenstra-Lovasz (LLL) 约简算法最初是为了约简实格基而引入的，而 CLLL 算法是为了直接约简复格的基而开发的。 当应用于多输入多输出 (MIMO) 系统的格约

伊维斯 ivis算法的实现，如论文中描述。 Ivis被设计为使用在三胞胎上训练的暹罗神经网络来减少非常大的数据集的维数。 支持无监督和受监督模式。 安装 Ivis在TensorFlow之上运行。 要从运行在CPU TensorFlow软件包上的PyPi安装最新的ivis版本，请运行： # TensorFlow 2 packages require a pip version >19.0. pip install --upgrade pip pip install ivis[cpu] 如果您已安装CUDA，并且希望ivis使用tensorflow-gpu软件包，请运行 pip install