论文研究-时变弹性系数生产函数的非参数估计.pdf,  提出了时变弹性系数生产函数模型,该模型刻画了弹性系数不再是常数而是随时间变化而变化的函数,并且去除了古典生产函数模型的两个不合理的假设,即所提出的模型释放了技术进步是中性的以及技术进步与投入要素投入量变化是独立的两个假设,从而使所提出的模型更加符合实际应用的情况.文中通过现代统计学中的非参数推断方法,研究了时变弹性系数生产函数回归模型, 利用局部多 项式回归方法,给出了时变弹性系数函数的局部线性加权最小二乘估计.根据广义似然比检验,检验了弹性系数的时变性.结合中国的实际例子, 通过实证得出,在1981年到2004年期间, 中国的资本和劳动产出弹性都不是常数而是时间的非线性函数.资本产出弹性在0.21至0.68之间, 劳动产出弹性在0.44至0.89之间,规模报酬在0.89至1.14之间.

SfM学习者 该代码库实现了本文所述的系统： 通过视频无监督地学习深度和自我运动 ，，， 在CVPR 2017（口头）中。 有关更多详细信息，请参见。 如有任何疑问，请联系（ ）。 先决条件 该代码库是使用Tensorflow 1.0，CUDA 8.0和Ubuntu 16.04开发和测试的。 运行单视图深度演示 我们提供了用于运行我们的单视图深度预测模型的演示代码。 首先，通过运行以下命令下载预训练的模型 bash ./models/download_depth_model.sh 然后，您可以使用提供的ipython-notebook demo.ipynb来运行演示。 准备训练数据 为

% 此函数计算二维线的曲率。 ％ 参考。 赫尔曼和 R. 克莱特。 曲率估计器的多重网格分析。 过程% Image Vision Computing New Zealand, 108–112, 2003。 % by 庞剑飞% k = CurvatureEstimation(list,b,f) % % 输入， % list : AM x 2 线点列表。 % fn：选择计算的前向点数。 % bn：选择计算的后向点数。 % % 输出， % Ei : M x 1 曲率值% thetai:M x 1 角度值％ 例子% [Ei,ti]=CurvatureEstimation(test,4,4);

介绍了各种功率谱估计方法，不仅从理论上对各种方法的谱估计质量进行了分析，而且通过matlab实现仿真，加以验证

基于导频的OFDM系统信道估计技术研究，赵常昊，，正交频分复用（Orthogonal Frequency Division Multiplexing，OFDM）是一种并行的多载波传输方案，它利用相互正交的多个子载波传输信息，具有较��

介绍 这是一个很小的R脚本，它代表了用于生态声学分析的最常用或全局索引的快捷方式/替代方法。 它是由Patrice Guyot（ ）最初的Python脚本启发和改编而成的，因此它几乎包含相同顺序的所有相同索引。 它采用R包声音生态学（Villanueva-Rivera）和seewave（Sueur）中内置的索引。 用您自己的音频文件替换示例文件； 运行脚本时，请不要忘记为文件设置正确的路径。 该脚本最初在R版本4.0.4，声音生态版本1.3.3和seewave版本2.1.6中运行。 目前，如我们所说，它仍然缺乏批量运行多个文件的能力。 您可以根据需要通过克隆和分叉来更改和改进它。 毕竟，这是一项正在进行的工作。 指标 ACI-声学复杂度指数-Pieretti等。 （2011年） ADI-声学多样性指数-Villanueva-Rivera等。 （2011年） AEI-平稳均

基于已知的输入 (u) 和输出 (y)，该函数返回脉冲响应的系数以及原始信号与重建信号的信噪比（以 dB 为单位）。 鼓励用户尝试各种响应长度并保留最短的响应长度，从而产生可接受的噪声信号比。 参考：Karel J. Keesman“系统标识，简介”，第4.2节

TD-SCDMA信道估计算法-一种基于强径选择的联合信道估计算法

自动泊车路径规划及泊车位姿估计算法研究.caj

关于新兴的解决估计的方法，更准确，更可靠