TFDeepSurv 通过张量流实现Deep Cox比例风险模型和生存分析。 建议的TensorFlow版本为1.15.3。 并且模块测试在TensorFlow-1.15.3下通过了。 注意： 已发布。 旧版本位于分支archive_v1 。 与v1.0版本相比，当前版本有了很大的改进： 建立计算图的速度 利用原始的tensorflow操作来计算损失函数（用于处理关系） 生存数据的统一格式 代码优雅而简单 如果您有任何问题，请先阅读以下常见问题解答，或直接发送电子邮件给我。 1.与DeepSurv的区别 是Deep Cox比例风险模型的软件包，在Github上开源。 但是我们的作品可能会发光： 在您的生存数据中支持死亡时间的联系，这意味着不同的损失函数和生存函数的估计量（ Breslow近似）。 提供生存函数估计。 使用科学方法-贝叶斯超参数优化来调整DNN的超参数。 通

给定时间段和开关比，类似脉宽调制功能，比如给定10秒，开关比是0.45，则开是4.5秒、关是5.5秒循环执行！和中断时间Sleep(Ts)的Ts有关！

各类阻燃树脂阻燃剂添加比例典型数据.doc

人工智能-机器学习-比例电磁铁电磁力数值计算与分析.pdf

（二）量化因子与比例因子 1．量化因子 把在 范围内连续变化的误差分成n个区间，使之离散化，则误差所取模糊集合的论域为 用于物理论域向模糊论域的转化 也有更通用的尺度变换公式,从[xmin*,xmax*]变到[xmin,xmax]: *

翻译

对含基于电压源型变流器的高压直流输电（VSC-HVDC）交直流混合系统进行机电暂态仿真研究。VSC-HVDC系统的外环功率、电压控制器采用PI控制，以产生内环电流参考值。针对dq同步旋转坐标系下VSC-HVDC交流侧数学模型不能精确解耦的问题，建立基于α β静止坐标系的VSC-HVDC数学模型，引入比例谐振（PR）控制改进了内环电流控制器，可以无静差跟踪内环电流信号。采用以上控制策略实现VSC-HVDC系统的精确解耦控制，并采用双时步仿真方法对VSC-HVDC系统的动态响应进行准确模拟。通过在新英格兰系统上进行仿真实验，验证了所提VSC-HVDC机电暂态控制模型的正确性和双时步混合仿真方法的有效性。

为了解决微电网自身分布式能源就地消纳及参与上层电网需求响应的功率调度问题，提出一种微电网多时间尺度需求响应资源优化调度方法。建立了微电网多时间尺度需求响应调度框架，结合微电网的运行成本和需求响应补偿收益建立了日前最优经济调度模型；为了校正可再生能源和负荷的预测偏差，基于模型预测控制(MPC)方法建立了以联络线功率偏差和储能荷电状态(SOC)偏差最小为目标的日内滚动优化调度模型，通过引入可调容量比例因子考虑了微电网联络线功率的调节能力，保证微电网在消纳可再生能源的同时具备一定的可调容量；以实际微电网示范工程为例分析验证了所提方法的有效性和可行性，实验结果表明所提框架可使微电网有效地参与短时需求响应市场。

针对电压和负载扰动导致传统PID控制双闭环直流调速系统性能下降的问题，提出一种模糊PID控制方法。控制方法根据调速系统的转速偏差e和偏差变化率ec，经过模糊逻辑推理，动态自适应调整PID控制器的三个参数，能够有效提高系统抗扰动能力。为了对两种控制方法的性能进行比较分析，文中对系统在理想空载状态、负载扰动和电压波动三种情况下进行仿真实验。结果表明两种控制方法在理想空载状态下的稳态性能基本相同。在负载扰动和电压波动的情况下，本方法能使系统更快恢复到平衡状态，且具有更小的转速降。因此，本控制方法能够保证系统具有

目前，传统自调整PID控制器回路中存在目的误差、平均误差和透过误差较多的现象，容易造成工艺数据控制不精确。为此，提出一种基于免疫遗传算法优化的自调整PID控制器研究方案。首先确定PID控制器系统硬件结构，采用免疫遗传算法对自调整PID控制器回路中的积分单元以及微积分计算进行优化，有效避免了目的误差的产生，使用交叉与变异算子调整比例单元以及比例微分单元，借鉴数据交叉适应度值有效控制系统出现稳定性差变、降低平均误差以及透过误差出现的概率，保证工艺数据控制精度，有效解决了上述问题。仿真实验证明，基于免疫遗传算法优化的自调整PID控制器能够对工艺数据进行高精度控制，具有实践意义，能为自调整PID控制器研究发展提供帮助。