麻省理工学院电子工程和计算机科学教授Anant Agarwal上课资源。本课程介绍了集总电路概念的基本原理。主题涉及：电阻元件和网络； 独立性和依赖性资源；交换器和半导体晶体管；时间和频率范围内的设计；模拟和数字电路及应用程序。设计和实验也是本课的重要组成部分

麻省理工MIT 版 ,SAP基础教程,总结了一些SAP的使用技巧，很有帮助

资源MIT发布的10大自然语言处理数据集和语料库

泛函分析讲义(MIT辅助教材)Functional analysis lecture notes by T.B. Ward，英文非扫描版

stm32驱动MIT电机代码

matlab做信效度分析代码使用深度神经网络及其分析预测下颞（IT）多单元输出。 深度神经网络由多层组成，以处理输入图像。 以类似的方式，灵长类动物大脑的视觉皮层具有多个层，这些层处理从视神经传入的视觉刺激。 它们按以下顺序排列：V1，V2，V3，V4，IT（下颞）。 IT层类似于经过训练的DNN的最后一层，确定图像中的对象。 在该项目中，比较了灵长类动物大脑的视觉皮层（V4和IT）的5个区域中的2个区域与流行的DNN模型之间的比较。 用于比较的一些DNN模型是： HMO HMAX 像V1 像V2 克里热夫斯基等。 2012年 Zeiler＆Fergus 2013 1.1）数据获取和使用 在显示测试对象（灵长类动物）测试图像的同时，从其V4和IT区域记录神经输出。 V4区域具有128个通道，通过该通道收集神经输出，而IT区域具有168个通道。 因此，灵长类动物大脑中一幅图像的IT表示是一个168维向量。 总共向灵长类动物显示了1960张图像，因此V4数据矩阵为1960x128，而IT数据矩阵为1960x168。 这是数据的链接： 这里仅使用多单位数据。 为了从DNN模型的最后一个完全连

描述 在MIT视频监控数据集上使用NNMF进行异常检测 接触 Vu Nguyen博士， 引文 Bayesian Nonparametric Approaches to Abnormality Detection in Video Surveillance. Nguyen, V., Phung, D., Pham, D. S., & Venkatesh, S In Annals of Data Science, pp 1-21, 2015. Interactive Browsing System for Anomaly Video Surveillance. T.V. Nguyen, D. Phung, S. K. Gupta, and S Venkatesh In IEEE Eighth International Conference on Intelligent Sensors,

6.0001 MIT 6.0001的作业

MIT 人脸数据库 由麻省理工大学媒体实验室创建,包含16位志愿者的2,592张不同姿态, 光照和大小的面部图像。 其他人脸数据库也有上传 比如： Yale人脸库（美国）CMU-PIE人脸数据库Yale 人脸数据库B MIT 人脸数据库 ORL人脸库（英国） INRIA数据库 UMIST人脸库（英国）KinFace人脸数据库 AR人脸库（美国）Bern人脸库

表电极检测到的ECG信号常含有不同类型的干扰，因此，检测分析前要进行预处理。文中采用数字滤波处理， 在前人工作基础上进行了归纳．全面详细地阐述了对心电信号进行带通滤波、微分、平方非线性放大、移动窗积分等一 系列预处理措施；用madab验证来自MIT—BIH数据库的心电信号的处理效果。由结果可知，用文中方法消噪的同时又有 效地恢复和放大了波形特征信息．优化了心电波形，为后继检测和分析提供了更加可靠的依据。由于其简单易行，为临 床实现提供了重要的现实依据。