只为小站
首页
域名查询
文件下载
登录
基于DeviceNet网络化
多步
进电机智能驱动器的设计
设计一种基于Device Net网络化
多步
进电机智能驱动器,给出电机驱动模块、电机驱动器软件以及关键程序模块的设计,将网络控制用于步进电机驱动器和运动控制器之间,实现对网络化
多步
进电机的控制。
2021-12-16 09:07:44
312KB
行业研究
1
混沌
多步
预测
相空间重构混沌
多步
预测,首先计算相空间中第M点与各点的距离,其次排序相空间中第M点的(m+1)个参考邻近点。
2021-12-10 15:23:36
2KB
MATLAB
1
多步
预测自校正控制算法在混合隔振中的应用研究 (2009年)
为了弥补潜艇动力机械被动隔振系统低频隔振效果的不足,建立了混合隔振
多步
预测自校正控制系统。详细阐述了混合隔振系统模型的建立,混合隔振预测自校正控制系统的设计,并给出了一个具体实例设计和仿真过程。从仿真结果来看,所提出的混合隔振
多步
预测自校正控制系统,有效地弥补了舰船动力机械被动隔振系统的不足,且系统具有较强的鲁棒性能。
2021-12-06 21:05:07
2.44MB
工程技术
论文
1
论文研究 - 高维高度相关多元葡萄数据集的降维
传统上,葡萄栽培者对研究葡萄叶/叶柄的生物化学与其相关光谱反射率之间的关系具有浓厚的兴趣,以便了解果实的成熟率,水分状况,营养水平和疾病风险。 在本文中,我们对330至2510 nm的反射波长区域(986个总光谱带)实施成像光谱(高光谱)反射率数据,以评估葡萄园的营养状况。 这构成了带有病态协方差矩阵的高维数据集。 对有助于营养评估和预测的有用信息的变量(波段)的识别在多元统计建模中起着关键作用。 近年来,研究人员已成功开发出许多连续的,几乎无偏的,稀疏且准确的变量选择方法来克服此问题。 本文比较了四种正则化和一种功能回归方法:弹性网,
多步
自适应弹性网,Minimax凹面惩罚,迭代确定性独立筛选以及用于波长变量选择的功能数据分析。 此后,使用逐步回归可增强这些正则化稀疏模型的预测性能。 使用高维和高度相关的葡萄高光谱数据集进行回归方法的比较研究表明,Elastic Net用于变量选择的性能产生了最佳的预测能力。
2021-12-01 23:18:15
1.5MB
高维数据
多步自适应弹性网
极小凹判
确定独立筛选
1
用PC的USB端口控制
多步
进电机
本文所示的4步进电机用的USB基控制器就是一个应用实例,此控制器是用便宜的现成元件构建的。此电路不需要微控制器DSP。此电路用简单的逻辑电路和应用软件来控制步进电机的选择、顺时针或反时钟运行和步大小。
2021-11-01 21:32:24
57KB
PC
USB
USB-FIFO
文章
1
线性微分方程边值问题数值求解的
多步
差分法
线性微分方程边值问题数值求解的
多步
差分法,李崇民,海涛,对线性微分方程边值问题, 文献[1]提出了一种统一的
多步
差分方法,并得到了达到最 高截断误差阶的差分格式. 本文在其基础上,对不同
2021-10-28 10:54:35
245KB
首发论文
1
向前
多步
预测-时间序列分析波动率模型
向前
多步
预测: 事实上,因为 注意到, 所以T时向前k步预测为: 向前一步预测: 6、 GARCH(1,1) 模型的预测
2021-10-27 15:12:44
3.76MB
统计模型
1
时间序列预测14:如何开发用电量预测CNN模型详解 01 单变量
多步
时间序列预测
文章目录前言适用于多时间步预测的CNN模型1 单变量
多步
预测 CNN 模型1.1 业务需求1.2 1D CNN 模型1.3 完整代码 前言 与其他机器学习算法不同,卷积神经网络能够从序列数据中自动学习特征,支持多变量数据,并可直接输出用于
多步
预测的向量。一维CNN已被证明可以很好地执行,甚至在具有挑战性的序列预测问题上也能达到最新的结果。 计划用两篇文章介绍如何开发 1D CNN 进行
多步
时间序列预测。主要内容如下: 如何为单变量数据开发
多步
时间序列预测的CNN模型; 如何为多变量数据开发多通道
多步
时间序列预测的CNN模型; 如何为多变量数据开发多头
多步
时间序列预测的CNN模型。 本文介绍
2021-10-24 18:11:02
63KB
变量
时间序列
模型
1
基于BERT的中文阅读理解
多步
注意力网络
基于BERT的中文阅读理解
多步
注意力网络,周志善,闫丹凤,阅读理解是当前自然语言理解中一个重要的任务,它可以很好的衡量一个自然语言处理模型的能力。为了促进阅读理解任务的发展,有很多�
2021-10-22 10:52:21
1.09MB
首发论文
1
MultiStepAheadForecasting:时空数据的
多步
超前预测-源码
多步
骤提前预测 该项目的目的是研究时空数据的
多步
提前预测中的两个方面: 动态模型与静态模型:我们将比较几种静态模型和动态模型的性能。 动态模型都具有递归神经网络作为其体系结构的一部分。 在这些模型中,先前时间步长中的时间序列值用于导出循环网络的“状态”。 然后,将循环网络的输出扩充到数据中的其他要素,以形成完整的要素集。 相反,在静态模型中,没有递归的体系结构,并且先前时间步长上的时间序列值直接增加到其他特征上。 数据拆分方法:我们将研究将数据拆分为训练和验证模型对测试数据性能的影响的不同方法的效果。 与其他情况相比,为时间序列数据形成验证集更具挑战性。 具体来说,许多机器学习任务可以看作是插值,其中训练和测试集中的特征范围是相似的。 另一方面,时间序列预测(特别是
多步
提前预测)是一项外推任务。 我们要提出的问题是,在形成验证集时应考虑到这一点。 我们将研究形成验证集的不同方法。 我
2021-10-04 10:04:15
11.39MB
neural-network
lstm
xgboost
lightgbm
1
个人信息
点我去登录
购买积分
下载历史
恢复订单
热门下载
超大规模集成电路先进光刻理论与应用.pdf
计算机专业实习日记+实习周记+实习总结
基于MQ2烟雾传感器的STM32F103程序
C4.5决策树算法的Python代码和数据样本
全国道路网SHP数据.zip
EBSD分析软件——Channel5下载安装教程
BP_PID控制仿真.rar
基于Matlab的PI/4 DQPSK的调制解调源代吗
2019年秋招—华为硬件工程师笔试题目.pdf
Steam离线安装版
航迹融合算法MATLAB仿真程序
中国地面气象站观测数据2000-2021
基于STM32的电子时钟设计
YOLOv5 人脸口罩图片数据集
CNN卷积神经网络Matlab实现
最新下载
基于ITU-R的雨衰仿真 基于ITU-R的雨衰仿真
unity动态换装demo源码.txt
高速接口设计
VisualSVN-5.1.4 最新版 注册版 带破解
食品和饮料用甜菊糖,全球前15强生产商排名及市场份额调研数据.pdf
nc55密码解密工具
Delphi 12 控件之RADStudio-12-2-29-0-53571-9782-KeyPatch.7z
彻底明白IP地址的含义(完整版).doc
解决APP误报毒 可打包APP可上传APK 自动实现5分钟随机更换包名和签名系统源码.rar
固件修改工具
其他资源
Single Image Haze Removal Using Dark Channel Prior 图像去雾 原文及翻译 何凯明
PARADOX 数据库修复工具
用友u9v6.6p完整使用手册
.NET平台下的依赖注入(IOC)和 面向切面(AOP)相结合简洁实用的使用方式
flash源文件【期末大作业】
Unity3D给力材质包
致远A8-V8协同管理软件安装包
3DMax脚本工具 mb_collapse ——塌陷动画帧
MFCC梅尔倒谱参数及matlab代码
蓝桥杯嵌入式组考场提供的资料
自己整理的非常详细的产品需求文档模板(PRD模板)
交通银行银企直联接口说明书v5.4.5-上线行标准版
【Qt】我开发的2048小游戏
location14.2
ec-canvas.zip
ligerUI全部实例
SolidworksAAPI教程及示例
2020年中国新经济独角兽&准独角兽TOP200榜单解读及标杆企业研究报告.pdf
BIM模型-迪斯尼食品小卖部.rar
数据库考试前复习重点
随机信号分析.doc
Windows64-bits免签名认证软件
ORACLE.PLSQL编程
c++FTP上传程序源代码
asp.net+sql在线心理测试系统
Editor Console Pro3.02扩展版本
iconfont icon-bottom
服务器状态检查中...