FANUC Series 0i-MODEL MF系统参数说明书 B-64610CM-01
2021-11-24 10:31:18 4.75MB FANUC 0iMF系统 参数说明书
1
FANUC Series 0i-MODEL F 加工中心系统操作说明书 B-64604CM-2-01
2021-11-24 10:28:57 6.36MB FANUC 0i F 加工中心系统
1
dcmtk,c++,四个从上到下层级关系分类,分别是Patient(病人),Study(检查),Series(序列),Sop(图像)
2021-11-23 11:01:50 119.73MB dcmtk c++ dicom 分类
心率计算matlab代码hctsa ,高度比较的时间序列分析 hctsa是用于使用以下命令运行高度比较的时间序列分析的软件包(完全支持R2014b或更高版本;用于python cf.)。 该软件提供了一个代码框架,可从时间序列(或时间序列数据集)中提取成千上万的时间序列分析功能,以及用于对数据进行规范化和聚类,生成数据的低维表示的工具,识别不同类别的时间序列之间的区分特征,使用大量时间序列特征集学习多元分类模型,找到与感兴趣时间序列最接近的匹配项,以及一系列其他可视化和分析。 如果您使用此软件,请阅读并引用以下(开放式访问)文章: BD Fulcher和NS Jones。 。 电池系统5,527(2017)。 BD Fulcher,MA Little,NS Jones。 罗伊(J. Roy)。 Soc。 接口10,83(2013)。 非常感谢您提供任何反馈,例如或。 入门 :open_book: :open_book: 综合文件 :open_book: :open_book: 因为hctsa开启了。 下载资料库 对于不熟悉git的用户,只需单击绿色的Download .zip按钮即可下载存储库的当前版本。 建议将存储库与git一起使用。 为此,请使用以下代码将其克
2021-11-23 10:57:42 6.34MB 系统开源
1
时间序列预测代码matlab 时间序列预测使用深度学习生成数据 该项目研究了在使用不同的人工神经网络(即LSTM和GRU)建模的随机时间模型上可以进行多近的时间序列预测和预测。 给定的数据集包括辐照数据集和发电数据集,该辐照数据集和发电数据集基本上分别包含传感器检测到的辐照度值和电厂所产生的发电量值,单位为(kwh)。 数据集包含对应于从2018年12月到2019年11月的所有12个月的数据,并且在任何给定日期的每15分钟记录一次数据。 该项目的主要目标是找出最合适的ANN架构,以预测从任意一天开始的未来两天(间隔15、30、45、60分钟)的发电数据。 整个项目是通过在matlab中进行编码来完成的。
2021-11-23 08:57:26 670KB 系统开源
1
ZXR10 8900E Series (V3.02.01) 官方帮助文档,包含阅读软件和ZXR10 8900E Series (V3.02.01) User Manual Library_R1.0.zed
2021-11-22 23:18:17 106.63MB ZXR10 8900E 8905E ZXR10
1
MotionSense数据集 该数据集包括由加速度计和陀螺仪传感器生成的时间序列数据(高度,重力,用户加速度和rotationRate)。 使用其与iPhone 6s放在参与者的前袋中收集,该可从iOS设备上的框架收集信息。 所有数据以50Hz采样率采集。 共有24位不同性别,年龄,体重和身高的参与者在15个试验中在相同的环境和条件下进行了6项活动:楼下,楼上,步行,慢跑,坐着和站立。 借助该数据集,我们旨在在传感器数据的时间序列中查找个人属性指纹,即可以用于推断数据主体除其活动之外的性别或个性的特定于属性的模式。 时间序列对应于数据主体的步行活动(代码3)。 有12个功能。 一些注意事项: 如果您在此处查看“”,请查看pmc_xxx和tutorial文件夹。 如果您正在训练有关传感器数据的深度神经网络,则可以在以下链接中找到我们的最新工作,这对您的工作很有用: : 下载 MotionSense数据集可公开使用也可以作为备份使用。 还有一个Kaggle版本: ://www.kaggle.com/malekzadeh/motionsense-dataset 引文 如果您发现
2021-11-21 22:29:58 196.59MB mobile deep-learning time-series sensor
1
使用神经网络预测时间序列 :blue_circle: 联系人:对于Bitcoin的学习材料组织列表,请点击此 ,这等 介绍 不管比特币价格上的投机泡沫如何,该项目的目的都是暗示该加密货币的未来收盘价。 根据我的分析考虑了几个比特币指标,收集了情绪数据以及区块链,历史价格和金融指数数据以预测收盘价。 环境设定 要运行预测模型,应安装以下内容: Python 3+ Tensorflow = 1.10.1 Keras = 2.2.2 熊猫= 0.23.4 脾气暴躁= 1.15.1 Matplotlib = 2.2.3 sklearn = 0.19.2 ML实现的神经网络 LSTM
2021-11-19 14:54:15 134.55MB time-series tensorflow numpy scikit-learn
1
nexus-9000-series-nx-os-vxlan-configuration-guide-93x.pdf
2021-11-19 13:08:33 16.21MB nexus
computer-networks-a-systems-approach-3rd-edition-the-morgan-kaufmann-series-in-networking
2021-11-18 01:05:27 4.73MB computer network system
1