14年版自考财务管理学练习题(第五章-长期筹资方式与资本成本).doc

基于改进的Elman神经网络的中长期径流预报.pdf

针对中长期电量预测可使用的相关历史数据较少、影响因素较为复杂等特点，提出一种基于改进GM（1，1）和支持向量机的优化组合预测模型。该模型将改进灰色预测模型和支持向量机模型进行组合，采用蛙跳寻优算法求取组合预测模型中各单一模型的权重，构建基于蛙跳优化的组合预测模型。将优化后的组合预测模型应用于我国中长期电量预测，选择我国1991-2005年电量进行分析，对2006-2010年的电量进行预测，并与一般组合预测模型及各单一模型进行比较。研究结果表明：本文方法得到的电量平均相对误差为2.06%，比等权组合预测模型

MathType 是许多应用程序中内置的默认数学工具的一次重大升级，使用方便，编辑的公式整洁。这是一套Mathtype安装包，有安装的详细过程，针对电脑的32位、64位有不同的安装过程，稍微有些差异，很好安装，自己已经试过，我自己用的就是这一套安装包。安装好后嵌套在office里使用很方便。平时我们写论文或者毕设都离不开Mathtype，包括编辑博客内容有数学公式的时候也需要用到Mathtype。在安装的过程中遇到什么问题都可以私信我，会及时为你解答，如果对电脑不熟悉或者不会安装的可以私信我，手把手叫你安装，只要你按照安装包里的解决选项卡问题.pdf文件，都可以在安装后嵌套在office（word）里进行使用。希望文中提供的Mathtype安装工具能给你减少编辑公式的烦恼。

版本x86_11.1.14.0.1453198735。一键下载全部搞定。支持连接数据源 Mysql，Oracle，PostgreSQL，SQLite，SQL Server，MariaDB。先执行navicat111_premium_x86_11.1.14.exe，安装Navicat应用，打开应用后，执行PatchNavicat.exe

lte的白皮书，包含中英两本，都带有和目录对应的书签 中文：高清，扫描版（书签我自己补充上的） 英文：超清，非扫描版

学习LTE的经典书籍，此版本为压缩版，高清版见博主另一分享

介绍了LTE系统中的咬尾卷积编码器，分析了该编码器的增益，在众多译码算法的基础上研究咬尾卷积码的几种译码算法，通过MATLAB对这几种译码算法在不同信道环境、不同长度数据块的情况下进行性能仿真，并对仿真结果进行分析。从性能和复杂度这两个角度考虑， 两步维特比算法较适合作为LTE通信系统中咬尾卷积码的译码方法。

在智能手机上使用递归神经网络（RNN），LSTM和Tensorflow进行人类活动识别 这是我硕士课程的项目，其中涉及使用无线传感器数据挖掘实验室（WISDM）的数据集为端到端系统构建机器学习模型，以使用智能手机加速度计，Tensorflow框架，递归神经网络预测人类的基本活动网络和多个长期短期存储单元（LSTM）堆栈，用于构建具有隐藏单元的深度网络。 训练模型后，将其保存并导出到android应用程序，并使用模型作为概念验证和UI界面进行预测，以使用文本语音API讲出结果。 处理： 清理并合并数据 根据模型要求，通过将每个序列活动的固定长度序列（200个）作为训练数据来进行数据预处理，以最大程度地提高模型的效率。 将数据分为训练（80％）和测试（20％）集。 通过堆叠带有2个完全连接的RNN的多层LSTM内存单元（这将解决消失的梯度问题）来构建一个深层网络。 使用Tensorflow框架构建整个模型，并创建占位符以供模型在端到端系统中访问。 创建最小化损失的损失函数，我们使用最小二乘误差（LSE）或L2范数，因为它将通过一个解决方案提供稳定的解决方案。 在整个训练期间，

某电子集团长期投资评估(doc 25页).doc