ps2键盘 并行读时序 ps2键盘 串行读时序

时序分析(2010)时序分析(2010)

当前基于油中溶解气体分析(DGA)的变压器故障诊断方法往往仅考虑单一时刻数据点，容错性差，难以充分挖掘在线监测数据的时序信息。提出一种考虑变压器油特征参量序列间复杂关系的基于双向长短时记忆(Bi-LSTM)网络的变压器故障诊断方法。首先构建了变压器油特征参量序列，基于序列数据构建了Bi-LSTM变压器故障诊断模型。工程实际中不同变压器油特征参量序列长短不一，需通过排序、分组填充对模型输入进行重构改进，然后对超参数进行优化。基于同一自建数据库对比所提方法与其他方法，结果表明：经过数据重构后所提方法的准确率可达91.9 %；当特征指标数量减少约2/3时，所提方法的准确率仅下降约1%，而其他方法的准确率平均下降约6 %；当采样数据存在10%的随机错误时，所提方法诊断准确率仅下降2%~6 %，且通过改变隐藏层的数量可得到改善。

针对产品销售时序具有多维度，非线性的特征，通过设计了一种扩展的RBF核函数，将其应用于支持向量机中，得到一种扩展的RBF核支持向量机(ERBF-SVM: Expanded Radial Basis Function - Support Vector Machine)；同时设计了一种改进的免疫优化算法对其参数进行寻优。 该方法被应用于汽车销售预测实例中，并与BP神经网络(BPNN)、采用一般RBF核的支持向量机(v-SVM: v-Support Vector Machine)及多尺度支持向量机（MS-SVM: Multi-scale support vector machine）进行了比较。 实验结果表明本文提出的方法是有效可行的，所获方法的预测精度优于参与比较的其它三种方法

基于时序蒙特卡洛的WSN节点定位算法

时序行为检测是指在一段未分割的长视频中，检测出其中包含的若干行为片段的起止时间和类别.针对该项任务，提出基于双流卷积神经网络的行为检测模型.首先使用双流卷积神经网络提取视频的特征序列，然后使用TAG （Temporal Actionness Grouping）生成行为提议，为了构建高质量的行为提议，将行为提议送入边界回归网络中修正边界，使之更为贴近真实数据，再将行为提议扩展为含有上下文信息的三段式特征设计，最后使用多层感知机对行为进行识别.实验结果表明，本算法在THUMOS 2014数据集和ActivityNet v1.3数据集获得较好的识别率.

根据时序电路中诸触发器状态转换的同时性可分为同步和异步两类。在同步时序电略中全部触发器均用一个外部时钟CP触发,因此它们的状态转换由该时钟进行“同步”。我们根据课题要求，设计出了由一片74LS175_D触发器、一片74LS00双输入与非门、两片74LS10三输入与非门、一片74LS04单输入非门，外加清零信号CLK、外部时钟信号CP构成的“一对一”时序电路。在一个外部时钟CP触发下，各状态输入状态改变，实现要求的功能。

根据时序电路中诸触发器状态转换的同时性可分为同步和异步两类。在同步时序电略中全部触发器均用一个外部时钟CP触发,因此它们的状态转换由该时钟进行“同步”。我们根据课题要求，设计出了由一片74LS175_D触发器、一片74LS00双输入与非门、两片74LS10三输入与非门、一片74LS04单输入非门，外加清零信号CLK、外部时钟信号CP构成的“一对一”时序电路。在一个外部时钟CP触发下，各状态输入状态改变，实现要求的功能。

时序数据库openTSDB下载，openTSDB-2.3.0.rpm,下载后解压即可

内含电路原理图，实验步骤，实验结果和实验分析