资源列表
统计分析与SPSS的应用-薛薇
- 《统计分析与spss的应用第五版》深入浅出地讲解统计方法，基于应用案例阐述数据分析的一般思路和SPSS操作实践，使读者知其然更知其所以然，是本书一直坚持的风格。本书的特色在于：注重方法核心原理的讲解，突出以统计原理明晰为前提的SPSS实操。基于典型统计分析案例，循序渐进地引导读者利用SPSS实现数据的组织、整理、描述和建模分析。旨在帮助读者领会统计分析方法精髓，掌握SPSS软件操作，拥有利用SPSS解决实际数据分析问题的能力。(Statistical analysis and the appli
band
- 本程序用于数据处理功能，主要是针对VASP材料计算，对数据结果进行处理画出能带图。(This program is used for data processing function, mainly for VASP material calculation, data processing and drawing energy band diagram.)
code
- Q-learning 算法实现AGV的最优路径规划，实测效果非常好，对于研究深度学习和强化学习的同学很有帮助！(The Q-learning algorithm realizes the optimal path planning of AGV, and the measured results are very good. It is very helpful for students who are studying deep learning and reinforcement learn
GM_PHD_Filter_v110
- 本程序可以用于学习粒子粒子滤波算法，加深理解(This procedure can be used to learn particle particle filter algorithm, deepen understanding.)
LSTM-morevalible
- LSTM 多变量预测，天气等影戏因素，可以执行，完全可以执行，思想也很简单(LSTM multivariable prediction)
启发式算法
- 利用启发式算法解决图着色问题，包括禁忌表，仇人表等一系列操作(Solving the problem of graph coloring with heuristic algorithm)
juleiidx
- 几个常见的用于聚类分析的指标，包括紧密度，离散度等(some clustering analysis indexes)
cudnn-7.5-windows10-x64-v5.0-ga
- cudnn 5.0 匹配cuda7.5，安装GPU支持的深度学习的伙伴用得着。这是cudnn的版本5.0，可以配合Cuda7.5使用。(Cudnn 5 matches cuda7.5, and it is useful for GPU to support deep learning partners. This is the version 5 of cudnn, which can be used in conjunction with Cuda7.5.)
遗传算法
- 理解遗传算法的入门程序，这里面每一个程序的代码都有标注。便于理解生成种群、遗传和变异过程，附带了一个算例，可以参考。(Understand the entry procedure of genetic algorithm, in which every program's code is marked. It is easy to understand the process of population, heredity and mutation. A numerical example is
stanford-deep-learning-matlab-code
- Stanford 大学的深度学习源代码，可用于模式识别和预测，比较稳定。(Stanford University's deep learning source code can be used for pattern recognition and prediction, and is relatively stable.)
A算法的航路规划
- A* 算法 matlab程序 用于机器人避障(A* algorithm matlab program for robot obstacle avoidance)
VMD
- VMD方法是在传统维纳滤波的基础上，提出的一种非递归自适应信号分解新方法。与EMD方法和LMD方法相比，VMD方法分解的信号，具有精度高、收敛快和鲁棒性好等特点，适用于处理滚动轴承故障信号。(The VMD method is a new non recursive adaptive signal decomposition method based on traditional Wiener filtering. Compared with the EMD method and the LMD