2018南京AI应用大赛-智能城市-干线物流供需预测预测 1.背景和目标 公路干线物流是这样一种场景：托运方（货主）在运满满平台发布货源信息，通常需要4.2-17米的货车，货源包括但不装载：钢件，化工原料，建材，农产品，快递等。承运方（驾驶员）寻找可以承接的运输任务，然后进行单程的公路运输行为。当前的货运供需市场是不透明的，发货量和驾驶员数量并不匹配，去程和回程也不匹配。供需双方受到很多因素影响。这造成了巨大的资源浪费。某些空载率高，货运价格波动严重等。本方案的目标是根据提供的历史数据，预测某个地区未来七天的司机量和货物量。是一个典型的时间序列的预测问题。 2.数据描述 赛题中提供的数据有如下的8类：司机电话日志，货量表，司机量表，货主画像，司机画像，城市公路距离记录，城市天气记录，发货记录。 3.解题思路 （1）利用其重建突破 本方案可以通过对历史数据建模，求出一个星期内每一天对目标数量

2019年中国研究生数学建模竞赛D题 汽车行驶工况构建 一、问题背景 汽车行驶工况（Driving Cycle）又称车辆测试循环，是描述汽车行驶的速度-时间曲线（如图1、2，一般总时间在1800秒以内，但没有限制标准，图1总时间为1180秒，图2总时间为1800秒），体现汽车道路行驶的运动学特征，是汽车行业的一项重要的、共性基础技术，是车辆能耗/排放测试方法和限值标准的基础，也是汽车各项性能指标标定优化时的主要基准。目前，欧、美、日等汽车发达国家，均采用适应于各自的汽车行驶工况标准进行车辆性能标定优化和能耗/排放认证。 本世纪初，我国直接采用欧洲的NEDC行驶工况（如图1）对汽车产品能耗/排放的认证，有效促进了汽车节能减排和技术的发展。近年来，随着汽车保有量的快速增长，我国道路交通状况发生很大变化，政府、企业和民众日渐发现以NEDC工况为基准所优化标定的汽车，实际油耗与法规认证结果偏差越来

大数据竞争 新能源汽车充电需求测算模型

金融人工智能课程结业作业。作业内容： “魔镜杯”风控算法大赛（https://www.kesci.com/apps/home/competition/56cd5f02b89b5bd026cb39c9/content/0）是一个风控算法比赛 。 尝试对初赛的训练集构建合适的模型，并使用复赛数据的训练集验证模型的性能。要求模型在复赛数据上的AUC值达到0.7或以上 。

此资源为2005 BCI Competition III data set I数据，有需要的自己下载，包含了训练集和测试集以及原始数据，还有数据说明

纸张计数显示装置:grinning_face_with_smiling_eyes: 1、简介:pencil: 纸张计数显示装置基于RT-Thread实时操作系统，硬件平台采用STM32F407单片机为主控制器，以具有抗电磁干扰（EMI）架构的FDC2214模块作为电容采集传感器，通过屏蔽双绞线连接至两铜极板，读取采集的数据并进行相应判断，应用触摸屏和语音模块进行状态显示与播报。FDC2214模块将采集到的数据通过IIC协议传输给主控制器，主控制器对原始数据进行卡尔曼滤波，抑制噪声对数据采集的影响。校准模式下，本系统利用最大隶属度法，确定电容模拟值及纸张数的论域，定义模糊子集和隶属函数，建立模糊规则控制表，求得模糊控制查询表。其根据采集到的两极板的数据，做出短路判断并读取多组实时数据，将其与模拟区间进行归类，选取最大可能性区间作为期望值，减小最终判断的差错率。 成果：在校准好后，50张以下100%正确 配置参数 主控制器 配置参数 主传感器 芯片型号 STM32F

泰坦尼克号kaggke比赛的分类问题。 使用个人功能使用一个行代码进行分析。 有结论的详细分析。 在kaggle上排名前10％。 建立了一个可以预测年龄特征缺失值的模型。

Abnormal_Heart_Sound_Diagnosis：对心音数据库进行卷积长短期记忆（CNN-LSTM）评估，准确度达91％

eeg2008 competition 2a数据集（运动想象四分类）eeg2008 competition 2a数据集（运动想象四分类）eeg2008 competition 2a数据集（运动想象四分类）eeg2008 competition 2a数据集（运动想象四分类）

由于每个人的动作都不同，并且加速度计迅速普及，因此该数据集旨在研究使用加速度计数据作为生物特征识别移动设备用户的可行性。在正常使用设备的过程中，Seal在几个月的时间内收集了数百个用户的加速度计数据。