该资源是基于AT89C51单片机的交通灯设计，里面包含了单片机设计的源码、仿真以及论文。 该资源的设计要求如下： 实现本设计要求的具体功能，选用AT89C51单片机及外围器件构成最小控制系统，12个发光二极管分成4组红绿黄三色灯构成信号灯指示模块，8个LED东西南北各两个构成倒计时显示模块，若干按键组成时间设置和模式选择按钮和紧急按钮等。 本系统以单片机为核心，组成一个处理、自动控制为一身的闭环控制系统。系统硬件电路由单片机、状态灯、LED显示、按键等组成。

可以显示飞行器位置，并以图表显示在画面上，也可以接收并显示在线飞行器通讯讯息的译码。 需要相关硬件配合，硬件可在电商网站购买。 可以配合CSDN的破解文件使用，仅限本版本！ 地址：http://download.csdn.net/detail/sceic/5091695

该交通数据集来源于PeMS网站，包含圣贝纳迪诺市（美国加利福尼亚州南部一座城市）8条高速公路1979个探测器，2016年7月1日至2016年8月31日这2个月的数据。这些传感器每5分钟收集一次数据，包含1979个所有的传感器每5分钟经过的车辆数。 数据集 节点 特征数 时长 时间窗口 PeMSD8 107 3 61天 5min 此外本数据集还包含一个3*107的邻接矩阵文件，该数据表示了107个路口之间的相邻情况(即连通性) 以及节点之间的距离。 可用于交通流量预测、交通速度预测、交通拥堵情况预测、交通信号灯绿信比条件、时间序列分析、时空序列分析

该交通数据集来源于PeMS网站，包含旧金山湾区（美国加尼福尼亚州旧金山大湾区）29条高速公路3848个探测器，2018年1月1日至2018年2月28日这2个月的数据。这些传感器每5分钟收集一次数据，包含3848个所有的传感器每5分钟经过的车辆数。 数据集 节点 特征数 时长 时间窗口 PeMSD4 307 3 59天 5min 此外本数据集还包含一个307*307的邻接矩阵文件，该数据表示了307个路口之间的相邻情况(即连通性) 以及节点之间的距离。 可用于交通流量预测、交通速度预测、交通拥堵情况预测、交通信号灯绿信比条件、时间序列分析、时空序列分析

在本次西南交通大学无线通信网络仿真的期末课程设计中，学生将深入学习并实践无线通信网络的基本原理、模型和分析方法。通信工程是一门广泛的学科，它涵盖了从信号传输到网络架构的众多领域。通过仿真，学生可以理解并掌握无线通信网络的运行机制，提高其在实际问题中的解决能力。 无线通信网络的基础知识是必不可少的。这包括无线通信的基本概念，如无线电波的传播特性、调制与解调技术以及信道编码。无线通信网络主要由天线系统、发射机、接收机和信道组成，这些部分的工作原理需要有深入的理解。在仿真中，学生可能需要使用像Matlab或NS-3这样的工具来模拟信号在不同环境下的传播效果，研究衰减、多径效应和干扰等因素对通信质量的影响。 无线网络的拓扑结构是另一个关键点。学生需要了解点对点、多点接入（如Wi-Fi）、蜂窝网络（如4G/5G）等不同的网络架构。在仿真过程中，学生会设置和调整网络参数，如基站的覆盖范围、用户设备的分布密度以及频谱资源分配策略，以观察网络性能的变化。 此外，无线通信网络中的协议也是重点学习内容。例如，TCP/IP协议族在无线网络中的应用，包括物理层、数据链路层、网络层和传输层的功能。学生需要理解每个协议的作用，如ARP、IP、TCP和UDP，并在仿真中模拟它们的交互过程。对于无线网络，MAC层的CSMA/CD或CSMA/CA协议以及路由协议（如RIP、OSPF）的实现也非常重要。 再者，无线通信网络的性能评估是课程设计的重要环节。这涉及到吞吐量、延迟、丢包率、覆盖率和能量效率等关键指标的计算。学生需要学会如何在仿真环境中设置合适的性能度量，以评估不同网络配置的效果。 安全性和可靠性是无线通信网络不可忽视的部分。学生需要考虑加密算法、身份验证机制以及抗干扰策略，以确保无线通信的安全。在仿真中，可能会模拟各种攻击场景，比如窃听、欺骗和拒绝服务攻击，以测试网络的安全性。 西南交通大学的无线通信网络仿真期末课程设计旨在通过理论与实践相结合的方式，使学生全面掌握无线通信网络的原理和技术，为未来从事相关工作或研究打下坚实基础。通过这个过程，学生们不仅能够深化对通信工程的理解，还能提升解决实际问题的能力。

一、关联仓库 品达物流-通用权限：https://gitee.com/itxinfei/pinda-authority 品达物流-集信达：https://gitee.com/itxinfei/jixinda.git 二、项目介绍 本项目名称为品达物流TMS，TMS全称为：Transportation Management System，即运输管理系统，是对运输作业从运力资源准备到最终货物抵达目的地的全流程管理。 TMS系统适用于运输公司、各企业下面的运输队等，它主要包括订单管理、配载作业、调度分配、行车管理、GPS车辆定位系统、车辆管理、线路管理、车次管理、 人员管理、数据报表、基本信息维护等模块。该系统对车辆、驾驶员、线路等进行全面详细的统计考核，能大大提高运作效率，降低运输成本，使公司能够在激烈的市场竞争中处于领先地位。 本项目从用户层面可以分为四个端：TMS后台系统管理端、客户端App、快递员端App、司机端App。 TMS后台系统管理端：公司内部管理员用户使用，可以进行基础数据维护、订

1. 手动实现循环神经网络RNN，并在至少一种数据集上进行实验，从训练时间、预测精度、Loss变化等角度分析实验结果（最好使用图表展示） 2. 使用torch.nn.rnn实现循环神经网络，并在至少一种数据集上进行实验，从训练时间、预测精度、Loss变化等角度分析实验结果（最好使用图表展示） 3. 不同超参数的对比分析（包括hidden_size、batchsize、lr等）选其中至少1-2个进行分析 4. 用户签到数据实验的难度会稍高一些，若在实验中选用，可酌情加分 5. 手动实现LSTM和GRU并在至少一种数据集进行试验分析 （平台课同学选做，专业课同学必做） 6. 使用torch.nn实现LSTM和GRU并在至少一种数据集进行试验分析 （平台课同学选做，专业课同学必做） 7. 设计实验，对比分析LSTM和GRU在相同数据集上的结果。

二维卷积实验（平台课与专业课要求相同） 1.手写二维卷积的实现，并在至少一个数据集上进行实验，从训练时间、预测精度、Loss变化等角度分析实验结果（最好使用图表展示） 2.使用torch.nn实现二维卷积，并在至少一个数据集上进行实验，从训练时间、预测精度、Loss变化等角度分析实验结果（最好使用图表展示） 3.不同超参数的对比分析（包括卷积层数、卷积核大小、batchsize、lr等）选其中至少1-2个进行分析 4.使用PyTorch实现经典模型AlexNet并在至少一个数据集进行试验分析 （平台课同学选做，专业课同学必做）（无GPU环境则至少实现模型） 5.使用实验2中的前馈神经网络模型来进行实验，并将实验结果与卷积模型结果进行对比分析（选作） 空洞卷积实验（专业课） 1.使用torch.nn实现空洞卷积，要求dilation满足HDC条件（如1,2,5）且要堆叠多层并在至少一个数据集上进行实验，从训练时间、预测精度、Loss 2.变化等角度分析实验结果（最好使用图表展示）将空洞卷积模型的实验结果与卷积模型的结果进行分析比对...... 残差网络实验（专业课） 1.实现给定 2.

1.手动实现前馈神经网络解决上述回归、二分类、多分类任务 分析实验结果并绘制训练集和测试集的loss曲线 2.利用torch.nn实现前馈神经网络解决上述回归、二分类、多分类任务 分析实验结果并绘制训练集和测试集的loss曲线 3.在多分类实验的基础上使用至少三种不同的激活函数 对比使用不同激活函数的实验结果 4.对多分类任务中的模型评估隐藏层层数和隐藏单元个数对实验结果的影响 使用不同的隐藏层层数和隐藏单元个数，进行对比实验并分析实验结果 5.在多分类任务实验中分别手动实现和用torch.nn实现dropout 探究不同丢弃率对实验结果的影响（可用loss曲线进行展示） 6.在多分类任务实验中分别手动实现和用torch.nn实现L2正则化 探究惩罚项的权重对实验结果的影响（可用loss曲线进行展示） 7.对回归、二分类、多分类任务分别选择上述实验中效果最好的模型，采用10折交叉验证评估实验结果 要求除了最终结果外还需以表格的形式展示每折的实验结果