解释 result = [[0 for i in range(0,row_num)]for i in range(0,row_num)]

时间: 2024-05-30 17:15:53 浏览: 42
这行代码创建了一个二维列表(矩阵)result,其中包含row_num行和row_num列。每个元素都被初始化为0。 具体地说,这行代码使用了Python中的列表推导式(list comprehension),通过两个for循环来创建二维列表。第一个for循环用于创建行,第二个for循环用于创建列。每个循环变量i都被用于创建一个新的列表,其中包含row_num个0。最终,这些新列表被放在一个大列表中,从而形成了一个row_num行row_num列的二维列表。
相关问题

def print_truth_table(self, node, text1): variables = [] i = 0 while i < len(text1): char = text1[i] if char.isalpha():#char是字母或数字 var_end = i + 1 while var_end < len(text1) and text1[var_end].isalpha(): var_end += 1 var_name = text1[i:var_end] variables.append(var_name) i = var_end else: i += 1 num_rows = 2 ** len(variables) max_var_len = max([len(var) for var in variables]) table_header = " | ".join(["{:<{}}".format(var, max_var_len) for var in variables]) + " | " + text1 print(table_header) for i in range(num_rows): data = {} binary_string = bin(i)[2:].zfill(len(variables)) for j in range(len(variables)): var = variables[j] value = int(binary_string[j]) data[var] = bool(value) result = self.evaluate_formula(node, data) row_values = [str(int(data[var])) for var in variables] + [str(int(result))] row_str = " ".join(row_values) print(row_str)逐句解释这段代码

这段代码是一个 Python 函数,名为 `print_truth_table`,接受两个参数 `node` 和 `text1`。函数的作用是打印出逻辑表达式 `text1` 的真值表。 函数首先定义了一个空列表 `variables` 和一个整数变量 `i`,然后进入一个循环,遍历 `text1` 中的每个字符。如果当前字符是字母或数字,则将其作为变量名的一部分,并将其添加到 `variables` 列表中,然后将 `i` 更新到变量名的末尾;否则,将 `i` 加一以继续遍历下一个字符。 接下来,函数计算出真值表的行数,即 $2$ 的变量数次方。然后,找到变量名中最长的那个,并将其长度保存在 `max_var_len` 变量中。接下来,使用 `max_var_len` 格式化每个变量名,生成表头,并将其与 `text1` 拼接起来。最后,使用 `print` 函数将表头打印出来。 在打印真值表的每一行之前,函数需要为每个变量生成一个布尔值,并将其存储在一个字典中。这个字典被传递给函数 `evaluate_formula`,它将计算逻辑表达式的值,并将结果存储在 `result` 变量中。接下来,将每个变量的布尔值和 `result` 转换为字符串,并将它们拼接成一个字符串 `row_str`。最后,使用 `print` 函数将 `row_str` 打印出来。 总之,这段代码的作用是计算逻辑表达式的真值表并将其打印出来,以便用户可以更好地了解表达式的行为。

workbook=xlrd.open_workbook("C:\\Users\\FangYingge\\Desktop\\FP510D206_高温.xls") sheet_cali=workbook.sheet_by_index(1) # 索引表格名称 num=sheet_cali.nrows sheet_NW=workbook.sheet_by_index(0) num1=sheet_NW.nrows for row in range(2, num): if sheet_cali.cell(rowx=row, colx=0).value != "": data1=sheet_cali.row_values(row, 0, 6) else: pass for row1 in range(2, num1): if sheet_NW.cell(rowx=row1, colx=9).value != "": print(row1, sheet_NW.cell(rowx=row1, colx=9).value, "通道") data3=sheet_NW.row_values(row1, 15, 18) data2=sheet_NW.row_values(row1, 2, 9) test_lx=data2[0] print(test_lx) if test_lx == 'IL': fre=1 result=2 state=3 row1-=2 if test_lx == 'IL_Var': fre=2 result=3 state=4 row1-=2 if test_lx == 'GD': fre=3 result=4 state=5 row1-=2 如何将此段循环所得的数据保存到数据库

您可以使用Python中的数据库连接库(如MySQLdb、pymysql等)将循环中获取的数据保存到数据库中。首先,您需要在代码中导入相应的数据库连接库,并建立与数据库的连接。然后,在循环中获取到的数据处,将数据插入到数据库中。 以下是一个示例代码: ```python import xlrd import pymysql # 建立与数据库的连接 conn = pymysql.connect(host='localhost', user='root', password='password', database='your_database') cursor = conn.cursor() # 打开Excel文件 workbook = xlrd.open_workbook("C:\\Users\\FangYingge\\Desktop\\FP510D206_高温.xls") sheet_cali = workbook.sheet_by_index(1) num = sheet_cali.nrows sheet_NW = workbook.sheet_by_index(0) num1 = sheet_NW.nrows for row in range(2, num): if sheet_cali.cell(rowx=row, colx=0).value != "": data1 = sheet_cali.row_values(row, 0, 6) # 将data1的数据插入数据库 cursor.execute("INSERT INTO your_table (column1, column2, column3, column4, column5, column6) VALUES (%s, %s, %s, %s, %s, %s)", data1) else: pass for row1 in range(2, num1): if sheet_NW.cell(rowx=row1, colx=9).value != "": print(row1, sheet_NW.cell(rowx=row1, colx=9).value, "通道") data3 = sheet_NW.row_values(row1, 15, 18) data2 = sheet_NW.row_values(row1, 2, 9) test_lx = data2[0] print(test_lx) if test_lx == 'IL': fre = 1 result = 2 state = 3 row1 -= 2 if test_lx == 'IL_Var': fre = 2 result = 3 state = 4 row1 -= 2 if test_lx == 'GD': fre = 3 result = 4 state = 5 row1 -= 2 # 将fre、result、state等数据插入数据库 cursor.execute("INSERT INTO your_table (column7, column8, column9) VALUES (%s, %s, %s)", (fre, result, state)) # 提交事务并关闭数据库连接 conn.commit() cursor.close() conn.close() ``` 请根据您的实际情况修改代码中的数据库连接参数、表名和列名,以及插入数据的SQL语句。注意,在插入数据时,需要根据数据类型使用相应的占位符(如%s、%d等)。 这样,循环中获取的数据就会保存到数据库中了。

相关推荐

import xlrd def result_write(result,i,j):#result为txt文件,i为比赛项目,j为奖项等级 tmp_str='' tmp_num=0 if award_dict[i][j][0]!=0: result.write(j+'获奖人数为'+str(award_dict[i][j][0])+'人,姓名如下:\n') else: result.write(j+'获奖人数为0人\n') for j in award_dict[i][j][1:]: tmp_str+=j tmp_str+=' ' tmp_num+=1 if tmp_num==10:#每十人写入文件并换行 result.write(tmp_str+'\n') tmp_str='' tmp_num=0 if tmp_num!=0:#向文件写入不满十人的姓名组 result.write(tmp_str+'\n') result.write('\n') award_dict=dict() data= xlrd.open_workbook("C:\\Users\\游雏\\Downloads\\2022蓝桥江西省赛.xls") sheet1 = data.sheet_by_name("Sheet1") col = sheet1.col_values(4) award_class=[] for i in col[1:]:#获取比赛项目列表,首字母统一大写 if 'a'<=i[0]<='z': i=i[0].upper()+i[1:] if i not in award_class: award_class.append(i) for i in award_class:#创建一个嵌套字典,一级字典以比赛项目为键,二级字典以奖项等级为键,值为获奖人姓名列表 award_dict[i]=dict(一等奖=[0],二等奖=[0],三等奖=[0]) for i in range(sheet1.nrows):#按行遍历表格 if i==0:continue row = sheet1.row_values(i) if row[2]=='江西理工大学':#row[2]为学校名 if 'a'<=row[4][0]<='z':#row[4]为比赛项目 row[4]=row[4][0].upper()+row[4][1:] award_dict[row[4]][row[5]][0]+=1#统计某项目某奖项的获奖人数,row[5]为奖项等级 award_dict[row[4]][row[5]].append(row[3])#将获奖者姓名添入一级键为项目二级键为奖项的列表,row[3]为获奖者姓名 award_level=['一等奖','二等奖','三等奖'] result=open("resutl.txt", "w") for i in award_class: result.write(i+'\n') for j in award_level: result_write(result,i,j) result.write('\n') result.close()帮我优化此代码

import cv2 import numpy as np import os # 提取图像的HOG特征 def get_hog_features(image): hog = cv2.HOGDescriptor() hog_features = hog.compute(image) return hog_features # 加载训练数据集 train_data = [r"I:\18Breakageratecalculation\SVM run\detection_cut\whole\train128"] train_labels = [r"I:\18Breakageratecalculation\SVM run\detection_cut\whole\train128\labels.txt"] num_samples = 681 for i in range(num_samples): img = cv2.imread(str(i).zfill(3)+'.jpg') hog_features = get_hog_features(image) hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV) color_hist = cv2.calcHist([hsv_image], [0, 1], None, [180, 256], [0, 180, 0, 256]) color_features = cv2.normalize(color_hist, color_hist).flatten() train_data.append(hog_features) train_labels.append(labels[i]) # 训练SVM模型 svm = cv2.ml.SVM_create() svm.setType(cv2.ml.SVM_C_SVC) svm.setKernel(cv2.ml.SVM_LINEAR) svm.train(np.array(train_data), cv2.ml.ROW_SAMPLE, np.array(train_labels)) # 对测试图像进行分类 test_image = cv2.imread('I:\18Breakageratecalculation\mask-slic use\maskSLIC-master\result\split\result2\maskslic2_roi.png', 0) test_features = get_hog_features(test_image) result = svm.predict(test_features.reshape(1,-1)) # 显示分割结果 result_image = np.zeros(test_image.shape, np.uint8) for i in range(test_image.shape[0]): for j in range(test_image.shape[1]): if result[i,j] == 1: result_image[i,j] = 255 cv2.imshow('I:\18Breakageratecalculation\mask-slic use\maskSLIC-master\result\split\result2\Result.png', result_image) cv2.waitKey(0) cv2.destroyAllWindows()

优化下面代码class SparseMatrix: def __init__(self, row, col, num): self.row = row self.col = col self.num = num self.data = [] for i in range(num): self.data.append((0, 0, 0)) def set_value(self, i, j, value): if i < 0 or i >= self.row or j < 0 or j >= self.col: return False k = 0 while k < self.num and self.data[k][0] < i: k += 1 while k < self.num and self.data[k][0] == i and self.data[k][1] < j: k += 1 if k < self.num and self.data[k][0] == i and self.data[k][1] == j: self.data[k] = (i, j, value) else: self.data.insert(k, (i, j, value)) self.num += 1 def add(self, other): if self.row != other.row or self.col != other.col: return None i = j = k = 0 result = SparseMatrix(self.row, self.col, 0) while i < self.num and j < other.num: if self.data[i][0] < other.data[j][0] or ( self.data[i][0] == other.data[j][0] and self.data[i][1] < other.data[j][1]): result.set_value(self.data[i][0], self.data[i][1], self.data[i][2]) i += 1 elif self.data[i][0] == other.data[j][0] and self.data[i][1] == other.data[j][1]: result.set_value(self.data[i][0], self.data[i][1], self.data[i][2] + other.data[j][2]) i += 1 j += 1 else: result.set_value(other.data[j][0], other.data[j][1], other.data[j][2]) j += 1 while i < self.num: result.set_value(self.data[i][0], self.data[i][1], self.data[i][2]) i += 1 while j < other.num: result.set_value(other.data[j][0], other.data[j][1], other.data[j][2]) j += 1 return result A = SparseMatrix(3, 3, 2) A.set_value(0, 0, 1) A.set_value(1, 1, 2) B = SparseMatrix(3, 3, 2) B.set_value(0, 0, 2) B.set_value(1, 1, 3) # 计算 A+B C = A.add(B) # 输出结果 print("A:") for i in range(A.row): for j in range(A.col): print(A.data[i*A.col+j][2], end=" ") print() print("B:") for i in range(B.row): for j in range(B.col): print(B.data[i*B.col+j][2], end=" ") print() print("C:") for i in range(C.row): for j in range(C.col): print(C.data[i*C.col+j][2], end=" ") print()

import cv2 import numpy as np # 提取图像的HOG特征 def get_hog_features(image): hog = cv2.HOGDescriptor() hog_features = hog.compute(image) return hog_features # 加载训练数据集 train_data = [r"I:\18Breakageratecalculation\SVM run\detection_cut\whole\train128"] train_labels = [r"I:\18Breakageratecalculation\SVM run\detection_cut\whole\train128\labels.txt"] for i in range(num_samples): image = cv2.imread('image_'+str(i)+'.jpg', 0) hog_features = get_hog_features(image) hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV) color_hist = cv2.calcHist([hsv_image], [0, 1], None, [180, 256], [0, 180, 0, 256]) color_features = cv2.normalize(color_hist, color_hist).flatten() train_data.append(hog_features) train_labels.append(labels[i]) # 训练SVM模型 svm = cv2.ml.SVM_create() svm.setType(cv2.ml.SVM_C_SVC) svm.setKernel(cv2.ml.SVM_LINEAR) svm.train(np.array(train_data), cv2.ml.ROW_SAMPLE, np.array(train_labels)) # 对测试图像进行分类 test_image = cv2.imread('I:\18Breakageratecalculation\mask-slic use\maskSLIC-master\result\split\result2\maskslic2_roi.png', 0) test_features = get_hog_features(test_image) result = svm.predict(test_features.reshape(1,-1)) # 显示分割结果 result_image = np.zeros(test_image.shape, np.uint8) for i in range(test_image.shape[0]): for j in range(test_image.shape[1]): if result[i,j] == 1: result_image[i,j] = 255 cv2.imshow('I:\18Breakageratecalculation\mask-slic use\maskSLIC-master\result\split\result2\Result.png', result_image) cv2.waitKey(0) cv2.destroyAllWindows()

self.query1_window = QueryResultWindow() def show_query1_result(self): # 查询数据 db = pymysql.connect(host='39.99.214.172', user='root', password='Solotion.123', db='jj_tset') cursor = db.cursor() db_sql = """ """ cursor.execute(db_sql) result = cursor.fetchall() db.close() if len(result) == 0: QMessageBox.information(self, "提示", "今日无员工工资记录") return self.query1_window.table_widget.setRowCount(0) self.query1_window.table_widget.setColumnCount(len(result[0])) self.query1_window.table_widget.setHorizontalHeaderLabels( ["员工ID", "员工姓名", "日期", "领取鸡爪重量(KG)", "效率(每小时KG)", "出成率", "基础工资", "重量奖励", "当日总工资"]) for row_num, row_data in enumerate(result): self.query1_window.table_widget.insertRow(row_num) for col_num, col_data in enumerate(row_data): self.query1_window.table_widget.setItem(row_num, col_num, QTableWidgetItem(str(col_data))) self.query1_window.show() class QueryResultWindow(QWidget): def __init__(self): super().__init__() # 设置窗口大小 self.setFixedSize(800, 600) self.setWindowFlags(Qt.WindowMinimizeButtonHint | Qt.WindowMaximizeButtonHint | Qt.WindowCloseButtonHint) self.download_btn = QPushButton('下载数据', self) self.download_btn.clicked.connect(self.download_data) # 创建表格控件 self.table_widget = QTableWidget() self.table_widget.setEditTriggers(QTableWidget.NoEditTriggers) self.table_widget.setSelectionBehavior(QTableWidget.SelectRows) # 创建窗口布局 layout = QVBoxLayout() layout.addWidget(self.table_widget) self.setLayout(layout)这个界面 怎么添加一个在数据展示界面下载所有数据的按钮

def show_query1_result(self): # 查询数据 db = pymysql.connect(host='39.99.214.172', user='root', password='Solotion.123', db='jj_tset') cursor = db.cursor() db_sql = """ SELECT *,salary + weight_reward total_salary from ( SELECT a.user_id,user_name,get_time,get_kg,efficiency,CONCAT(ROUND(ROUND(yield_rate,4) * 100,2),'%') yield_rate,ROUND(get_kg * 2 * price,1) salary,CASE WHEN yield_rate > 0.64 and get_kg < 40 THEN kg1_price WHEN yield_rate > 0.64 and get_kg < 50 THEN kg2_price WHEN yield_rate > 0.64 and get_kg >= 50 THEN kg3_price WHEN yield_rate < 0.64 THEN 0 END as weight_reward FROM (SELECT user_id, DATE_FORMAT(get_time,'%Y-%m-%d') get_time, SUM(get_kg) get_kg,round(SUM(get_kg)/(SUM(duration_time)/3600),2) efficiency,AVG(yield_rate) yield_rate FROM em_salary WHERE DATE_FORMAT(get_time,'%Y-%m-%d') = DATE_FORMAT(DATE_SUB(NOW(),INTERVAL 0 DAY),'%Y-%m-%d') and recycle_kg IS NOT NULL GROUP BY user_id, DATE_FORMAT(get_time,'%Y-%m-%d')) a LEFT JOIN (SELECT user_id,name as user_name,price,kg1_price,kg2_price,kg3_price,yield_price FROM employee_table CROSS JOIN price_data ) d on a.user_id = d.user_id ) T """ cursor.execute(db_sql) result = cursor.fetchall() db.close() if len(result) == 0: QMessageBox.information(self, "提示", "今日无员工工资记录") return # 清空表格 self.query1_window.table_widget.setRowCount(0) self.query1_window.table_widget.setColumnCount(len(result[0])) self.query1_window.table_widget.setHorizontalHeaderLabels( ["员工ID", "员工姓名", "日期", "领取鸡爪重量(KG)", "效率(每小时KG)", "出成率", "基础工资", "重量奖励", "当日总工资"]) # 添加数据到表格 for row_num, row_data in enumerate(result): self.query1_window.table_widget.insertRow(row_num) for col_num, col_data in enumerate(row_data): self.query1_window.table_widget.setItem(row_num, col_num, QTableWidgetItem(str(col_data))) # 显示窗口 self.query1_window.show()能不能在最后一列显示当日总工资汇总

最新推荐

recommend-type

Python实现的矩阵转置与矩阵相乘运算示例

for i in range(col): item = [] for index in range(row): item.append(M[index][i]) result.append(item) return result ``` 2. 使用`zip`函数解包:Python的`zip`函数可以将多个可迭代对象组合成一个元组...
recommend-type

各种函数声明和定义模块

各种函数声明和定义模块
recommend-type

湖北工业大学在河南2021-2024各专业最低录取分数及位次表.pdf

全国各大学在河北2021-2024年各专业最低录取分数及录取位次数据,高考志愿必备参考数据
recommend-type

C++标准程序库:权威指南

"《C++标准程式库》是一本关于C++标准程式库的经典书籍,由Nicolai M. Josuttis撰写,并由侯捷和孟岩翻译。这本书是C++程序员的自学教材和参考工具,详细介绍了C++ Standard Library的各种组件和功能。" 在C++编程中,标准程式库(C++ Standard Library)是一个至关重要的部分,它提供了一系列预先定义的类和函数,使开发者能够高效地编写代码。C++标准程式库包含了大量模板类和函数,如容器(containers)、迭代器(iterators)、算法(algorithms)和函数对象(function objects),以及I/O流(I/O streams)和异常处理等。 1. 容器(Containers): - 标准模板库中的容器包括向量(vector)、列表(list)、映射(map)、集合(set)、无序映射(unordered_map)和无序集合(unordered_set)等。这些容器提供了动态存储数据的能力,并且提供了多种操作,如插入、删除、查找和遍历元素。 2. 迭代器(Iterators): - 迭代器是访问容器内元素的一种抽象接口,类似于指针,但具有更丰富的操作。它们可以用来遍历容器的元素,进行读写操作,或者调用算法。 3. 算法(Algorithms): - C++标准程式库提供了一组强大的算法,如排序(sort)、查找(find)、复制(copy)、合并(merge)等,可以应用于各种容器,极大地提高了代码的可重用性和效率。 4. 函数对象(Function Objects): - 又称为仿函数(functors),它们是具有operator()方法的对象,可以用作函数调用。函数对象常用于算法中,例如比较操作或转换操作。 5. I/O流(I/O Streams): - 标准程式库提供了输入/输出流的类,如iostream,允许程序与标准输入/输出设备(如键盘和显示器)以及其他文件进行交互。例如,cin和cout分别用于从标准输入读取和向标准输出写入。 6. 异常处理(Exception Handling): - C++支持异常处理机制,通过throw和catch关键字,可以在遇到错误时抛出异常,然后在适当的地方捕获并处理异常,保证了程序的健壮性。 7. 其他组件: - 还包括智能指针(smart pointers)、内存管理(memory management)、数值计算(numerical computations)和本地化(localization)等功能。 《C++标准程式库》这本书详细讲解了这些内容,并提供了丰富的实例和注解,帮助读者深入理解并熟练使用C++标准程式库。无论是初学者还是经验丰富的开发者,都能从中受益匪浅,提升对C++编程的掌握程度。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

Parallelization Techniques for Matlab Autocorrelation Function: Enhancing Efficiency in Big Data Analysis

# 1. Introduction to Matlab Autocorrelation Function The autocorrelation function is a vital analytical tool in time-domain signal processing, capable of measuring the similarity of a signal with itself at varying time lags. In Matlab, the autocorrelation function can be calculated using the `xcorr
recommend-type

怎样使scanf函数和printf在同一行表示

在C语言中,`scanf` 和 `printf` 通常是分开使用的,因为它们的功能不同,一个负责从标准输入读取数据,另一个负责向标准输出显示信息。然而,如果你想要在一行代码中完成读取和打印,可以创建一个临时变量存储 `scanf` 的结果,并立即传递给 `printf`。但这种做法并不常见,因为它违反了代码的清晰性和可读性原则。 下面是一个简单的示例,展示了如何在一个表达式中使用 `scanf` 和 `printf`,但这并不是推荐的做法: ```c #include <stdio.h> int main() { int num; printf("请输入一个整数: ");
recommend-type

Java解惑:奇数判断误区与改进方法

Java是一种广泛使用的高级编程语言,以其面向对象的设计理念和平台无关性著称。在本文档中,主要关注的是Java中的基础知识和解惑,特别是关于Java编程语言的一些核心概念和陷阱。 首先,文档提到的“表达式谜题”涉及到Java中的取余运算符(%)。在Java中,取余运算符用于计算两个数相除的余数。例如,`i % 2` 表达式用于检查一个整数`i`是否为奇数。然而,这里的误导在于,Java对`%`操作符的处理方式并不像常规数学那样,对于负数的奇偶性判断存在问题。由于Java的`%`操作符返回的是与左操作数符号相同的余数,当`i`为负奇数时,`i % 2`会得到-1而非1,导致`isOdd`方法错误地返回`false`。 为解决这个问题,文档建议修改`isOdd`方法,使其正确处理负数情况,如这样: ```java public static boolean isOdd(int i) { return i % 2 != 0; // 将1替换为0,改变比较条件 } ``` 或者使用位操作符AND(&)来实现,因为`i & 1`在二进制表示中,如果`i`的最后一位是1,则结果为非零,表明`i`是奇数: ```java public static boolean isOdd(int i) { return (i & 1) != 0; // 使用位操作符更简洁 } ``` 这些例子强调了在编写Java代码时,尤其是在处理数学运算和边界条件时,理解运算符的底层行为至关重要,尤其是在性能关键场景下,选择正确的算法和操作符能避免潜在的问题。 此外,文档还提到了另一个谜题,暗示了开发者在遇到类似问题时需要进行细致的测试,确保代码在各种输入情况下都能正确工作,包括负数、零和正数。这不仅有助于发现潜在的bug,也能提高代码的健壮性和可靠性。 这个文档旨在帮助Java学习者和开发者理解Java语言的一些基本特性,特别是关于取余运算符的行为和如何处理边缘情况,以及在性能敏感的场景下优化算法选择。通过解决这些问题,读者可以更好地掌握Java编程,并避免常见误区。
recommend-type

"互动学习:行动中的多样性与论文攻读经历"

多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动,互动学习以行动为中心的强化学习学会互动,互动学习,以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授:智囊团论文联合主任菲利普·普雷教授,大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授,Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士,Deepmind对于那些及时看到自己错误的人...3谢谢你首先,我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔,"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲,你知道在这篇论文的(许多)错误中,你是我可以依
recommend-type

The Application of Autocorrelation Function in Economics: Economic Cycle Analysis and Forecasting Modeling

# Application of Autocorrelation Function in Economics: Analysis and Forecasting Models for Economic Cycles ## 1. Theoretical Foundations of Autocorrelation Function The Autocorrelation Function (ACF) is a statistical tool used to measure the correlation between data points in time series data tha