Advertisement

itm模型使用MATLAB编写的代码集,包含修改后的Garner任务数据、实验代码、分析代码以及建模代码。

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:None


简介:
该项目涵盖了发表于Lin & Little (2018) 的改进型Garner实验的数据集及其对应的 MATLAB 代码。此外,提交的出版稿件中还包含了用于分析发表于Little, D.R., Wang, T., & Nosofsky, R. (2016) 的其他代码,并对在修改后的Garner任务范式中,序列敏感的示例以及决策约束下的加速分类性能进行了详细阐述。该说明发表在《认知心理学》杂志上,卷89,第1-38页,doi: 10.1016/j.cogpsych.2016.07.001。该存档于2017年11月10日创建,并在2017年5月11日进行了更新,其中包含对单通道模型的建模代码的修订。 文件夹“实验代码ModGarnerSeparable”包含用于在不同补丁中运行修改后的Garner任务的 MATLAB 代码,其中 `RUN_SEPARABLE.m` 是主脚本,最初的数据是作为Deborah Lin荣誉项目的组成部分收集的,并存储在 GARNERBOXCAR/ 目录下。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • ITMMATLAB-MODGARNER:Garner
    优质
    本资源提供基于MATLAB的ITM模型代码,内含改进版Garner任务的数据集及其实验设计和数据分析脚本,适用于认知科学中的任务实验与建模研究。 该项目包含了发表于Lin & Little (2018)的改良Garner实验的数据和代码。提交出版的手稿还包括其他用于分析Little, D.R., Wang, T. 和 Nosofsky, R. (2016). 在序列敏感示例与决策约束下修改后的Garner任务范式中对分类性能加速效应的说明,认知心理学 89: 1-38。doi:10.1016/j.cogpsych.2016.07.001 的代码。 文件夹“实验代码ModGarnerSeparable”包含了用于在不同补丁中使用亮度和饱和度运行修改后的Garner任务的MATLAB代码,其中RUN_SEPARABLE.m是主脚本。这些数据最初作为Deborah Lin荣誉项目的一部分收集,并存储于改进的GARNERBOXCAR/文件夹下。 存档创建日期为2017年11月10日;更新日期为2017年5月11日,包括了单通道模型建模代码。
  • Matlab - Trust_WCAS_2021:WCAS2021论文《拟干旱预报中户信
    优质
    本项目提供Matlab代码及数据支持,用于实现发表于WCAS 2021会议论文《模拟干旱预报中的用户信任》中所提出的信任模型。 在WCAS 2021中的“对干旱预测中的用户信任建模”论文中提供了相关的MATLAB代码和数据。“对干旱预测中的用户信任建模”的三个脚本可用于生成概率性干旱预测,模拟信任演变,并评估事前与事后预测值。所需的数据可以在InputData.xlsx文件中找到(包括干旱时间序列、预报时间序列以及用户基于预报更新的信念)。此外,severn MATLAB 数据文件包含了用于价值得分敏感性分析的20个场景下的干旱时间序列和1000个场景下的预测时间序列。
  • ITMMATLAB-FACECOMPRULES:基于薛俊成2017年论文
    优质
    FACECOMPRULES是基于薛俊成2017年论文开发的MATLAB代码,用于实现ITM模型,进行数据分析和处理相关面部比较规则的研究。 itm模型是信息技术与通信领域广泛使用的一种数据压缩技术,旨在高效处理并传输大量数据。MATLAB因其强大的数值计算能力和丰富的数学库支持矩阵运算而成为实现该模型的理想工具。薛俊成在2017年的论文中详细探讨了itm模型的实际应用规则和策略,并提供了相关的数据分析结果。 FACECOMPRULES项目可能涉及面部识别或图像压缩技术,其中的主目录“FACECOMPRULES-master”很可能包含源代码、数据集、实验结果及文档。MATLAB中的代码展示了如何使用itm模型来高效地压缩与解压面部图像,并通过优化算法保持高质量的同时减少存储需求。“系统开源”的标签表明该项目是开放源码,可供任何人查看和修改。 在项目中可能遇到以下知识点: 1. **数据预处理**:包括灰度化、归一化及直方图均衡等步骤以改善后续处理效果。 2. **图像分块**: 为了局部优化与并行计算,itm模型将图像分割成小部分进行独立处理。 3. **熵编码**: 利用霍夫曼或算术编码技术根据符号出现频率来压缩数据,提高效率。 4. **变换编码**:如离散余弦变换(DCT)等正交转换方法被用于从空间域到频谱域的图像转化。高频成分通常代表细节信息,并且更容易进行高效压缩。 5. **量化**: 变换后的系数经过量化减少数据量,虽然这可能造成一些损失,但通过合理选择步长可以平衡效率与质量的关系。 6. **迭代优化**:itm模型中可能存在反复调整编码参数的循环以在不显著降低图像品质的情况下提高压缩率。 7. **自适应编码**: 根据具体场景自动选取最优策略,在不同频段使用不同的量化精度来实现最佳效果。 8. **重建与去噪**: 解压过程中,需要特定算法恢复原始图像并去除因压缩产生的噪声干扰。 9. **性能评估**:计算包括PSNR(峰值信噪比)和SSIM在内的评价指标以衡量各种策略的优劣。 10. **代码组织**: 开源项目通常遵循良好的编程习惯,如模块化设计、清晰注释等,便于他人理解和使用。通过深入研究FACECOMPRULES-master,可以获得有关itm模型在实际应用中的具体实现细节,有助于理解数据压缩原理并提高编码技巧,在相关领域开展进一步的研究工作具有重要意义。
  • 使MATLABK-SVD图像去噪完整
    优质
    本资源提供基于MATLAB实现的K-SVD算法代码用于图像去噪处理,包括所有必要的数据文件及完整的源代码。 基于MATLAB编程实现的K-SVD图像去噪代码完整、包含数据且有详细注释,方便进一步扩展应用。如在运行过程中遇到问题或希望进行创新性修改,请通过私信联系博主。本科及以上学历的学生可以下载该应用并进行相关研究和开发工作。如果发现内容与需求不完全匹配,也可以直接联系博主寻求更多帮助以实现扩展。
  • MATLAB-Quantitative-Macro-Models: 我使Python和MATLAB异质宏观...
    优质
    这是一个结合了Python和MATLAB编写的宏观经济模型项目,专注于开发包含异质性代理人的量化宏观模型。该项目采用分时编码方式,在MATLAB平台上实现复杂经济行为模拟与分析。 这段文字描述了我为个人学习编写的定量宏观经济模型的MATLAB代码集合。除了DSGE模块外,所有代码都使用异构代理,并用Python编写,借助Numba进行优化。在每个主题下提供了不同版本的代码,其中可能包含不同的计算方法、扩大模型规模或调整关键假设等变化。我努力使这些代码易于阅读和理解,以便帮助对相关领域感兴趣的人士学习。 对于每一部分代码中使用的参考文献可以在相应文件中找到。快速指南包括异类家庭、消费储蓄决策、动态企业/行业模式等内容,并涵盖霍本海恩Restuccia和罗杰森的代表性家庭新古典主义增长模型等主题,以及Aiyagari(1994)的工作。 这些版本中的共同点是都绘制了财富分配图、资本供求曲线及政策功能图。用户可以选择是否启用外部借款限制,并且除非另有说明,默认情况下使用蒙特卡洛模拟来近似平稳分布的代码和解决方案。在值函数迭代中,有两个版本:第一版涉及收入状态;第二版则会复制Aiyagari(1994)的研究成果,不过采用Rouwenhorst方法进行了一些调整。
  • MATLAB库-Cox与光声成像: MATLABPython
    优质
    本代码库提供MATLAB和Python实现的Cox比例风险模型及相关工具,适用于光声成像数据分析,支持生存分析与图像处理研究。 这段文字描述了一个包含用于光声图像重建的MATLAB和Python代码集合。这些代码使用频域叠加(包括线性阵列、3D 和 2D)技术来实现光声成像,并特别适用于线性阵列PA图像的重建,其中涉及一个具体的信号处理步骤:`pressure_distribute=real(fftshift(ifftn(ifftshift(pressure_distribute))))`。这些代码可能在COMSOL二次开发和PA线性阵列重构中具有应用价值。感谢本·考克斯博士对这项工作的贡献。
  • 进SEIRMATLAB).zip
    优质
    本资源提供了一个改进版的SEIR模型的MATLAB实现代码,适用于数学建模竞赛和研究项目。此版本对原始SEIR模型进行了优化,加入更多参数以模拟传染病传播过程中的复杂动态变化,能够帮助用户更准确地预测疫情发展趋势及评估防控措施的效果。 本段落研究了基于SEIR模型及其改进算法的COVID-19传播过程,并探讨如何通过数学建模来预测疫情发展趋势及优化防控策略。 针对问题一,我们利用国家卫健委在2020年1月21日至2月5日发布的数据建立了SEIR模型。该模型考虑到了易感人群(S)、潜伏期(E)、感染人群(I)以及康复的人群(R),通过这些参数计算出COVID-19的基本再生数(R0)范围在3.096到3.613之间。 对于问题二,我们提出了一种改进的SEIR模型来分析不同地区因采取不同的防控措施而导致疫情变化的情况。此模型结合了病毒传播特性如潜伏期的存在和康复者二次感染概率较低等特征,并考虑到了隔离或未隔离、疫苗接种情况以及医疗条件等因素的影响。通过与传统的Logistic模型及标准的SEIR模型进行比较,我们的改进算法在预测未来疫情发展方面表现出了更高的准确性。 鉴于国外数据缺乏疑似病例信息的问题,我们采用SIR模型来分析和预测这些地区的未来发展态势。总的来说,本研究旨在提供一种有效的数学工具以帮助理解并应对全球范围内COVID-19的传播动态,并为制定更科学合理的防控策略提供了理论支持。
  • MATLABLogistic
    优质
    本段落提供了一个基于MATLAB编写的Logistic模型数学建模代码示例。该代码适用于生态学、经济学等领域的增长预测和研究分析。 数学建模中的Logistic模型在Matlab编程中有着广泛的应用。这种广义的线性回归分析方法常用于数据挖掘、疾病自动诊断以及经济预测等领域。 以胃癌病情为例,我们可以选取两组人群进行研究:一组是患有胃癌的人群,另一组是没有患胃癌的人群。这两组人群在体征和生活方式等方面必然存在差异。因此,因变量可以定义为是否患有胃癌(值为“是”或“否”),而自变量则包括各种因素如年龄、性别、饮食习惯以及幽门螺杆菌感染等。这些自变量既可以是连续的数值型数据也可以是分类类型的数据。 通过Logistic回归分析之后,我们可以获得各个自变量对于因变量的影响权重,从而识别出哪些因素可能是胃癌的风险因子。此外,根据得到的相关权值信息还可以预测个体患癌症的可能性。
  • HGAT
    优质
    本项目包含HGAT模型的相关代码及训练所需的数据集,旨在促进基于图神经网络的研究和应用开发。 Heterogeneous graph attention network for semi-supervised short text classification (EMNLP 2019)论文代码
  • MATLAB
    优质
    本资源包含MATLAB在数值分析中的多种应用实例与实验代码,旨在通过实践帮助学习者深入理解数值计算方法。 第二章 MATLAB在微积分中的应用 第三章 复变函数与积分变换 第四章 线性方程组数值方法 第五章 非线性方程组的求根 第六章 非线性方程组与最优化方法 第七章 矩阵特征值及特征向量 第八章 插值与函数逼近 第九章 估计,滤波与数据拟合 第十章 数值积分 第十一章 常微分方程数值方法 第十二章 数值方法应用范例(一) 第十三章 数值方法应用范例(二)