可以idea直接打开，mysql数据库项目，前后端分离项目vue，分期可自动设置，自动换算金额

自己整理的四川大学网络编程复习资料，和部分期末考试的试题....

在“使用最大化-最大化算法快速逼近变分贝叶斯狄利克雷过程混合”中 Dirichlet 过程高斯混合（算法 1）的变分推理的实现， https://doi.org/10.1016/j.ijar.2017.11.001 1) 计算共轭先验的期望2）然后更新他们的超参数

随着模式识别技术的发展与应用，睡眠自动分期方法正在逐渐取代手动分期研究。文章使用深度置信网络（Deep Belief Network, DBN）和长短时记忆递归神经网络(Long ShortTerm Memory Recurrent Neural Network, LSTMRNN)这两种方法对眼电(Electrooculogram, EOG)通道的数据进行睡眠自动分期。LSTMRNN方法(平均准确率83.4%)相对DBN(平均准确率75.6%)在基于眼电信号的睡眠分期问题上取得了更好的效果。

个人取得股票期权或认购股票等取得折扣或补贴收入分期缴纳个人所得税备案表.doc

本报告试图研究河南省空气质量的影响因素。本案例使用的数据来源于真气网河南省各市空气质量指数月统计历史数据，共1258条记录。数据的时间跨度是2013年1月-2019年5月。数据包含6个自变量，1个因变量。自变量为PM2.5，PM10，二氧化硫，一氧化碳，二氧化氮，臭氧；因变量为AQI。 在对河南省空气质量的影响因素进行模型探究之前，首先对各变量进行描述性分析，以初步判断空气质量的影响因素，为后续研究做铺垫。 （一）因变量：AQI AQI是空气质量指数（Air Quality Index）的简称，其指数在0—50空气质量为优，51—100空气质量为良，101—150空气质量为轻度污染，151—200空气质量为中度污染，201—300空气质量为重度污染，>300为严重污染。可见数值越大、说明空气污染状况越严重，对人体的健康危害也就越大。表1是AQI的描述性分析 从表1可看出，描述AQI集中趋势的平均数，中位数和众数都在101—200 之间，可见从2013年到2019年间，河南省空气质量平均处于轻度污染状态。AQI的描述统计的最大为201，已经达到了重度污染。这一现象说明河南省空气污染形势严峻。图1为AQI的直方图，也反映了该现象。图1可明显看出从2013年到2019年河南省空气质量月统计不存在“优”水平的月份。在这几年中有48%的月份空气质量处于“良”水平，有42%的月份都处于“轻度污染”水平。8%的月份处于“中度污染”水平。有1%

花呗计算器

导师让找十几篇睡眠相关的文献，都是Q2、Q1的，有深度学习也有机器学习，看完深受启发，建议列个表格学习，更直观

PLC分期付款案例

针对传统的自动睡眠分期准确率不足问题，提出一种将多尺度熵（MSE）和主成分分析（PCA）联合使用的自动睡眠分期方法。以8例受试者睡眠脑电（EEG）监测数据及专家人工分期结果作为样本，首先使用MSE表征受试者脑电信号不同睡眠期的非线性动力学特征；然后使用PCA的前两个主成分向量代替MSE特征进行降维，实现降低数据冗余的同时保留绝大多数EEG非线性特征；最终将新向量的特征参数输入到反馈神经网络(BPNN)分类器中实现MSE-PCA模型的脑电睡眠状态的自动识别分类。实验结果表明，自动分期准确率可达到87.9%，kappa系数0.77，该方法能提高脑电自动睡眠分期系统的准确率和稳定性。