基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预
2022-04-21 21:05:30 1.12MB 神经网络 深度学习 机器学习 人工智能
基于LSTM神经网络的美股股指价格趋势预测模型的研究 基于LSTM神经网络的美股股指价格趋势预测模型的研究 基于LSTM神经网络的美股股指价格趋势预测模型的研究 基于LSTM神经网络的美股股指价格趋势预测模型的研究 基于LSTM神经网络的美股股指价格趋势预测模型的研究 基于LSTM神经网络的美股股指价格趋势预测模型的研究 基于LSTM神经网络的美股股指价格趋势预测模型的研究 基于LSTM神经网络的美股股指价格趋势预测模型的研究 基于LSTM神经网络的美股股指价格趋势预测模型的研究 基于LSTM神经网络的美股股指价格趋势预测模型的研究 基于LSTM神经网络的美股股指价格趋势预测模型的研究 基于LSTM神经网络的美股股指价格趋势预测模型的研究 基于LSTM神经网络的美股股指价格趋势预测模型的研究 基于LSTM神经网络的美股股指价格趋势预测模型的研究 基于LSTM神经网络的美股股指价格趋势预测模型的研究 基于LSTM神经网络的美股股指价格趋势预测模型的研究 基于LSTM神经网络的美股股指价格趋势预测模型的研究 基于LSTM神经网络的美股股指价格趋势预测模型的研究 基于LSTM神经网络的美股股
2022-04-21 21:05:27 3.08MB 神经网络 lstm 深度学习 机器学习
【达摩老生出品,必属精品,亲测校正,质量保证】 资源名:MATLAB实现灰度预测模型的源代码_灰度预测_matlab 资源类型:matlab项目全套源码 源码说明: 全部项目源码都是经过测试校正后百分百成功运行的,如果您下载后不能运行可联系我进行指导或者更换。 适合人群:新手及有一定经验的开发人员
预测模型调研文档 预测模型调研文档(RNN、CNN、LSTM模型)
2022-04-19 17:05:35 1.19MB lstm cnn rnn 深度学习
1
此资源基于caffe,用于年龄性别表情预测的caffemodel, prototxt,binaryproto文件,以及标签文件。
1
牙种植体植入扭矩影响因素的分析及预测模型.pdf
2022-04-17 13:00:55 1.19MB 技术文档
重构背景值双变权GM (1, 1) 中长期预测模型构建.pdf
2022-04-17 13:00:25 1.36MB 重构 技术文档
(8条消息) 【预测模型】基于粒子群算法PSO优化极限学习机ELM实现数据预测matlab源码.zip_elm极限学习机预测matlab-Matlab文档类资源-CSDN文库.html
2022-04-14 18:16:52 331KB
1
水是生命之源,地球上水的总量虽然巨大,但能够被人类利用的淡水资源却极其匮乏,而且分布极不平衡。淡水资源的短缺给人们的生产生活带来了诸多不变,因此我们应该珍惜水资源,对水资源要合理且可持续的利用。 本文以两个自来水厂2001—2007年间每天的供水量为依据,运用灰色系统理论、模糊线性回归、二元线性回归、组合预测等数学方法对所给问题建立模型并对结果进行了分析。
1
使用内核方法预测电力需求 这项工作的目标是实施下周能源消耗的预测方法。从工程的角度来看,任何负责电力服务网络的人都需要能够做出准确的预测,因为这是影响许多其他系统组件(如输电和配电)的东西,另一方面,电荷是能源价格的决定性因素,因为它是需求的指标, 所以它也应该是一个可靠的模型。准确可靠的模型在风险评估和管理中也至关重要。 首先,进行了数据的转换,因为它们与每小时的需求进行了细分,为了实现这项工作,我们将仅考虑日常用电量。为此,我们通过使用dem_diaria.m将相应24小时的消耗量相加来累积每天。功能。 由于高消耗值会导致计算和处理延迟,因此选择它来缩放数据,即使用规范化函数将其从 0 规范化为 1.m,并将非规范化.m函数返回到原始缩放。 为了形成回归量的向量,开发了一个回归量.m函数,从进入的日期开始,历史数据集,要符合的回归量的类型及其维度,返回相应的向量。
2022-04-13 09:12:34 205KB 用电需求 预测模型 matlab 时序预测