主要介绍了Vmware虚拟机安装Ubuntu 16.04 LTS(长期支持)版本+VMware tools安装的图文教程,需要的朋友可以参考下
2021-10-30 18:13:12 49KB 虚拟机装vmware tools vmware tools
1
系统地介绍了3GPP长期演进(LTE)的技术原理和系统设计。 增加书签,方便阅读
2021-10-27 20:23:50 42.58MB LTE 红皮书 沈嘉 目录
1
千吨 某些与时间序列短期和长期预测有关的神经网络在keras中的实现。 主要思想是折叠时间序列数据集,以使同一列中的每一列具有多个“滞后”。 然后,我们使用滞后列来预测将来的列。 对于长期预测,我们将这些预测用作下一步的证据。 这旨在与我的高斯动态贝叶斯网络( )模型进行性能比较。 我想将我的GDBN模型与类似情况下的NN模型进行比较,并在此过程中创建一种“即插即用”的替代方案,以备将来需要时使用。 参考 延时神经网络: : 凯拉斯: ://keras.io/
2021-10-26 21:50:20 11KB Python
1
LTE-UMTS长期演进理论与实践(中文版)
2021-10-26 17:32:12 39.69MB LTE-UMTS 长期演进理论
1
二手交易平台 预览地址: : 1M宽带,网速较慢,请轻点。 用户登录和注册功能 用户基本修改功能 用户登录后可修改基本信息,如修改头像,修改昵称,修改密码,头像上传修改,昵称修改实时保存。 编辑地址功能 添加新地址,没有任何地址时会设置为替换地址。可重新修改或删除地址信息。 首页推荐功能 首页推荐闲置物品并展示,优先显示最新发布的闲置,并可按分类显示。 搜索闲置物品功能 全文模糊搜索,可根据闲置物品的标题和详细说明进行模糊搜索。 发布闲置功能 发布闲置功能,填写完整闲置的信息即可发布,未登录用户无法发布闲置。 查看闲置详情功能 可以查看闲置的详细介绍说明和图集,并能看到发布者的信息,可以下单购买或收藏。如果是自己发布的闲置,可以进行下架操作或重新上架。 留言功能 可以在闲置详情页面发送留言,也可以在消息页面看到别人给自己的留言或回复。 下单功能 可以购买闲置进行模拟支付,下单前或自动
2021-10-26 16:35:41 2.36MB Java
1
跨国公司长期资产负债管理精品课程.pptx
2021-10-20 12:00:46 1.07MB 文档
股票价格预测 Udacity-机器学习纳米学位课程:Project-6(Capstone项目) 项目概况 这是Udacity-机器学习纳米学位计划中列出的一系列项目中的第六个也是最后一个顶点项目。 投资公司,对冲基金甚至个人一直在使用财务模型来更好地了解市场行为并进行有利可图的投资和交易。 历史股价和公司绩效数据的形式提供了大量信息,适用于机器学习算法进行处理。 我们真的可以通过机器学习预测股价吗? 投资者通过分析数据做出有根据的猜测。 他们将阅读新闻,研究公司的历史,行业趋势以及做出预测的其他许多数据点。 流行的理论是,股票价格是完全随机且不可预测的,但这提出了一个问题,为什么摩根士丹利和花旗集团这样的顶级公司会聘请定量分析师来建立预测模型。 我们的想法是,交易大厅里充斥着肾上腺素的男人,他们之间的联系松散,向电话里喊着什么,但如今,他们更有可能看到成排的机器学习专家静静地坐在电脑屏幕前。 实际上,现在华尔街上约70%的订单都是通过软件下达的,我们现在处在算法时代。 该项目利用深度学习模型,长期记忆(LSTM)神经网络算法来预测股票价格。 对于具有时间范围的数据,递归神经网络(
2021-10-19 19:47:54 2.49MB python machine-learning deep-learning numpy
1
共视控制 Covid Control是一种免费且可评估的机器学习模型,可预测Covid19日案例(7天移动平均值)的未来数量。 使用LSTM和强化学习对非药物干预(NPI)进行量化。 利用机器学习挽救人类史无前例的全球健康能效新型冠状病毒(COVID-19)的生命,以帮助拉平曲线。 开发数据驱动的AI系统以预测感染率并制定区域政府,社区和组织可以实施的干预计划(IP)。 当国家重新开放经济和社会时,干预计划可以减少感染病例,最大程度地减少负面经济影响,并带来更好的结果。 动机:Covid19大流行React 3Blue1Brown的“指数增长和流行病” Covid19视频: 目标是开发一种机器学习模型,以预测未来全球Covid案例的数量: Part1预测器:LSTM长短期记忆预测器模型 使用LSTM长短期记忆以最高的准确性估算未来每天发生的COVID-19病例数,并开发了一种预测器模型
2021-10-18 21:13:45 24.65MB medical lstm lstm-model modelling
1