肺炎的预测 使用迁移学习预测肺炎（计算机视觉） Inception v3是一种广泛使用的图像识别模型，已显示在ImageNet数据集上达到了78.1％以上的精度。 该模型是多年来由多个研究人员提出的许多想法的集合。 它基于原始论文：Szegedy等人的“重新思考计算机视觉的初始架构”。 al。 该模型本身由对称和不对称的构建块组成，包括卷积，平均池，最大池，连接，丢失和完全连接的层。 Batchnorm在整个模型中得到广泛使用，并应用于激活输入。 损耗是通过Softmax计算的。 我们已经对模型进行了微调，以使其可以用于2个新的不同类的分类。 记住要安装requirements.txt

【目的】采用机器视觉技术，针对新疆无核白和红提单粒葡萄的质量和果径大小进行预测和分级研究。【方法】在不同的颜色特征空间模型，预处理原始图像，采用最大类间方差法分割目标区域；采用数学形态学方法去除二值图像中部分果梗及噪声点，获得最佳二值图像；基于二值图像，分析获取单粒葡萄的几何特征；最后，分别采用一元线性回归法和偏最小二乘回归法预测单粒葡萄的质量和果径，采用二次判别分析法对单粒葡萄的质量和果径进行分级。【结果】利用短轴与果形指数特征相结合建立的偏最小二乘回归模型可有效预测单粒葡萄的质量和果径，预测决定系数达到0.98和0.945；基于该特征组合的二次判别分析法可用于单粒葡萄的质量和果径分级，准确率超过85%。【结论】机器视觉技术能够较准确预测单粒葡萄的质量和果径，并能对质量和果径进行分级。

雨课堂 北邮 作业参考

matlab生成算法代码ParNMPC版本1903-1 1903-1版的新功能： 原始对偶内点法 改进的用户界面 更好的性能 线搜索 介绍 主页： ParNMPC是用于非线性模型预测控制（NMPC）的MATLAB实时优化工具包。 ParNMPC的目的是为NMPC问题表述，闭环仿真和部署提供一个易于使用的环境。 使用ParNMPC ，您可以非常轻松地定义自己的NMPC问题， ParNMPC会自动为单核或多核CPU生成自包含的C / C ++代码。 即使只有一个内核， ParNMPC也非常快（计算时间通常在$ \ mu $ s范围内），并且启用并行计算时可以实现很高的加速比。 强调 符号问题表示 使用OpenMP自动并行C / C ++代码生成 收敛速度快（达到超线性） 高度可并行化（最多可以使用N个核，N是离散化步骤的数量） 高加速比 MATLAB与Simulink 安装 克隆或下载ParNMPC 。 解压缩下载的文件。 要求 MATLAB 2016a或更高版本 MATLAB编码器 MATLAB优化工具箱 MATLAB并行计算工具箱 MATLAB符号数学工具箱 Simulink编码器 支

用卡尔曼滤波方法对单个目标航迹进行预测，并借助于Matlab仿真工具，对实验的效果进行评估。

【预测模型】 BP神经网络太阳辐射预测【含Matlab源码 883期】.zip

由于无刷直流电机调速系统具有非线性、多变量、不确定时变系统等特点,在高控制精度和快响应速度的条件下,传统的PID控制方法已经不能满足无刷直流电机调速系统的要求,如果其中的参数变化超过一定范围,整个控制系统会出现不稳定。在分析无刷直流电机(BLDCM)的数学模型并将其简化的基础上,提出了一种无刷直流电机的预测函数控制(PFC)策略,并进行了Matlab仿真试验。该BLDCM系统采用双闭环调速,速度环中采用PFC控制,计算得到参考电流值作为电流环的输入,电流环采用离散PI控制,由滞环电流跟踪型PWM逆变器的原理实现电流控制。仿真试验结果显示,这种无刷直流电机调速系统可以取得良好的控制效果。

电力系统预测和优化方向研究生必备matlab-yalmip代码！！祝您快速入门，早日发paper！！！！【不断更新】 读文章是复现文章的第一步，读有代码文章可以事半功倍！而复现一篇文章是写文章的前提。 这里献上电力系统优化调度与预测方向研究生必备matlab-yalmip代码！！祝您快速入门，早日发paper！ 包含需求响应/两阶段鲁棒优化/微电网经济调度/综合能源系统/低碳调度/碳交易/综合需求响应/电动汽车/多时间尺度/智能算法/配电网最优潮流/无功优化/共享储能/分布式算法/主从博弈/合作博弈等文献复现matlab代码 以下代码除特殊说明，均为matlab-yalmip-cplex/gurobi编写与运行

【BP预测】基于帝国企鹅算法优化BP神经网络实现数据预测附matlab代码

这是一个机器学习项目，使用 UCI 学生成绩数据集预测学生的期末考试成绩。学生的学业生活逐渐受到发展中社会日益分散注意力的负面影响。结果，他们的教育成绩变得不愉快和令人沮丧。随着人工智能的应用，这个问题可以得到解决。机器学习是人工智能的一种应用，指的是系统无需明确编程即可从经验中学习和改进的能力。机器学习可用于通过使用其各种技术（例如支持向量机、线性回归、决策树等）来预测学生的未来结果。有了这样的能力，