优秀论文及配套源码。首先阐述了负荷预测的应用研究现状，概括了负荷预测的特点及其影响因素，归纳了短期负荷预测的常用方法，并分析了各种方法的优劣；接着介绍了作为支持向量机（SVM）理论基础的统计学习理论和SVM的原理，推导了SVM回归模型；本文采用最小二乘支持向量机（LSSVM）模型，根据浙江台州某地区的历史负荷数据和气象数据，分析影响预测的各种因素，总结了负荷变化的规律性，对历史负荷数据中的“异常数据”进行修正，对负荷预测中要考虑的相关因素进行了归一化处理。LSSVM中的两个参数对模型有很大影响，而目前依然是基于经验的办法解决。对此，本文采用粒子群优化算法对模型参数进行寻优，以测试集误差作为判决依据，实现模型参数的优化选择，使得预测精度有所提高。实际算例表明，本文的预测方法收敛性好、有较高的预测精度和较快的训练速度。 文件列表： 数据\a23.xls 数据\a45.xls 数据\B2.xls 数据\b3.xls 数据\B4.xls 数据\B5.xls 数据\bdata1.xls AdaptFunc.m AdaptFunc1.m BaseStepPso.m gaijin.m InitSwarm.m pso.m shorttime.m 基于支持向量机的短期电力负荷预测.doc

stort-term-parking-availability-prediction

Long short-term memory (LSTM) is a recurrent neural network (RNN) architecture that remembers values over arbitrary intervals. Stored values are not modified as learning proceeds. RNNs allow forward and backward connections between neurons. An LSTM is well-suited to classify, process and predict time series given time lags of unknown size and duration between important events. Relative insensitivity to gap length gives an advantage to LSTM over alternative RNNs, hidden Markov models and other sequence learning methods in numerous applications.

LTE: The UMTS Long Term Evolution provides the reader with a comprehensive system-level understanding of LTE, built on explanations of the theories which underlie it. The book is the product of a collaborative effort of key experts representing a wide range of companies actively participating in the development of LTE, as well as academia. This gives the book a broad, balanced and reliable perspective on this important technology. Lucid yet thorough, the book devotes particular effort to explaining the theoretical concepts in an accessible way, while retaining scientific rigour. It highlights practical implications and draws comparisons with the well-known WCDMA/HSPA standards. The authors not only pay special attention to the physical layer, giving insight into the fundamental concepts of OFDMA, SC-FDMA and MIMO, but also cover the higher protocol layers and system architecture to enable the reader to gain an overall understanding of the system.

嵌入式常用英文属于整理，wrod文件排版、字母排序，便于查找。

日内交易系统，短期价格模式和突破系统，供大家参考

tera term 是一款开源的的串口通讯软件,功能强大,而且开源,是windows下连接linux设备的首选软件

Term_DepositSubscription_Project 项目描述 银行业是一种个性化的，面向服务的行业，可以根据客户的需求提供服务。 在我们的项目中，我们专注于特定的银行服务-定期存款。葡萄牙银行使用“电话营销”进行了营销活动。 需要与客户联系，以访问是否要订购或不订购银行定期存款。 为了使即将到来的营销活动更加有效，葡萄牙银行希望确定哪种类型的客户更有可能进行定期存款，并将营销工作重点放在这些客户上，这不仅使银行能够更有效地获得存款，还可以提高客户满意度通过减少非潜在客户的不良广告。 我们应用程序的目的是确定潜在的订阅定期存款的客户。 我们的应用程序分析了诸如人口统计和交易历史记录之类的客户特征，银行将能够预测客户的储蓄行为并确定哪种类型的客户更有可能进行定期存款。 用例说明 用例名称：定期存款订阅预测 #Actors：银行数据分析师 #Precondition：Data An

matlab肌电信号处理代码Wearable_Sensor_Long-term_sEMG_Dataset 该代码在《生物医学信号处理和控制》 （ Biomedical Signal Processing and Control）接受的论文中进行了描述。 您可以从看到该数据集使用非常简单的在线处理来控制3D图形。 此外，重新连接的效果为。 <说明> 在set_config.m中更改目录并下载getxxfeat.m之后，可以使用此代码。 该项目有四个文件夹： 手势动作每个前臂基本动作有8部短片 数据 来自5个主题的30天EMG数据 csv文件（每个数据具有1.5-s信息） D表示天 M表示运动标签（例如，M1表示静止状态，M2表示手腕弯曲） T表示试验次数 代码该文件夹具有一个名为main_script的主m.file，该文件使用： set_config 预处理 extract_feature 您可以从以下文件中获取以下m.files： getrmsfeat getmavfeat getzcfeat getsscfeat 喝彩 ar 盘中 plot_figure6_and_figure7

银行定期存款-市场预测 问题陈述： 数据与葡萄牙银行机构的直接营销活动有关。 市场营销活动以电话为基础。 通常，需要与同一个客户进行多次联系，以评估产品（银行定期存款）是否（“是”）订阅（“否”）。 业务了解： 定期存款是指有固定期限的金融机构持有的存款。 这些通常是短期的，期限从一个月到几年不等。 定期存款是一种非常安全的投资，因此非常吸引保守的低风险投资者。 该银行选择了更主动地识别潜在买家，并通过电话直接与客户沟通，而不是进行大规模营销。 直接营销在这里很有用，因为可以直接衡量其积极成果。 该项目的目标是执行广告活动后分析，以识别未来活动的定期存款产品的潜在订阅者。 数据集： UCI机器学习存储库数据集： bank-additional-full.csv，包含所有示例（41,188个）和20个输入，按日期排序（从2008年5月到2010年11月），非常接近[Moro等，2014