IEEE Standard for Design and Verification of Low-Power, Energy-Aware Electronic Systems

Segy文件存储数据格式IEEE float类型和 IBM float类型的相关介绍及相互转换，附有图示说明

使用机器学习的信用卡欺诈检测 信用卡欺诈是一个日益严重的问题，面临许多挑战，包括时间漂移和严重的阶级失衡。 该项目尝试使用包括自适应合成采样方法（ADASYN）和合成少数采样率（SMOTE）在内的最新技术来解决班级不平衡问题。 2013年9月在欧洲进行的超过280k真实交易[1]被用作训练数据集。 比较了三种类型的机器学习模型：随机森林，支持向量机和多层感知器。 结果表明，不平衡数据集的最佳采样方法取决于数据集和所使用的模型。 该项目包含以下组件： a）PDF格式的IEEE风格论文 b）Jupyter Notebook进行了机器学习测试。 您可以运行视图并自己运行它们。 还包括注释，推理和数字。 为了方便起见，我在此git repo中包含了原始数据集的副本[1]，但是请参考原始资源以获取最新版本。 该项目是2017年冬季在滑铁卢大学进行的SYDE 522：机器学习的一部分。 安装 克隆项目： $ git clone https://github.com/yazanobeidi/fraud-detection.git && cd fraud-detection Pip安装依赖项

IEEE Standard for SystemVerilog— Unified Hardware Design, Specification, and Verification Language . IEEE Std 1800™-2012 (Revision of IEEE Std 1800-2009) IEEE 3 Park Avenue New York, NY 10016-5997 USA 21 February 2013 不用多说，懂的人都知道

IEEE发布的LATEX期刊论文模板，缺省的设置不能插入作者照片，现将其修改后，可以插入作者照片。需要的用户可下载压缩包，直接使用该包提供的文件来编写自己的论文。

SSPSR-Pytorch 论文： : （IEEE Xplore） （arXiv） 学习空间光谱先验以实现超光谱影像的超分辨率 在本文中，我们引入了空间光谱先验网络（SSPN），以充分利用空间信息和高光谱数据的光谱之间的相关性。 考虑到高光谱训练样本稀少且高光谱图像数据的光谱维数很高，因此训练稳定有效的深度网络并非易事。 因此，提出了一种组卷积（具有共享的网络参数）和渐进式上采样框架。 这不仅减轻了由于高光谱数据的高维而导致的特征提取的困难，而且使训练过程更加稳定。 为了利用空间和光谱先验，我们设计了一个空间光谱块（SSB），它由一个空间残差模块和一个光谱注意残差模块组成。 网络架构 拟议的SSPSR网络的整体网络架构 空间光谱块（SSB）的网络架构 结果 筑西数据集 Chikusei数据集上不同方法的平均定量比较。 帕维亚数据集 Pavia Center数据集上不同方法的平均

这是PHM2009的数据集，文件中的csv第一列似乎是电压数据，第二列似乎也是电压数据，第三列是转速数据。而且赛事官方并没有给出文件对应的标签，可能需要查查2009的比赛结果。实验很好，可惜的是数据集是真的用不了。这个下载积分低一点，大家可以下载看看，有什么新的发现可以互相探讨。

14节点系统，可供潮流计算、有功网损、无功功率、电力系统无功优化

论文

关于paper期刊的选择，管理科学与运筹学相关。