ARIMAX模型检验 适应性检验:模型残差序列属于白噪声序列；残差与输入变量序列无显著关系 参数检验:所有参数显著非0 back

介绍了一种新颖的基于Matlab数学语言编写的电力系统分析软件包PSAT,详述了该软件包源代码开放的特点,介绍了PSAT比较全面的模型库,主要包括:电机、电力系统稳定器(PSS)、调速器、柔性交流输电系统(FACTS)、高压直流输电系统(HVDC)、分布式发电系统等.PSAT功能丰富,目前可完成潮流计算、连续潮流、小信号稳定分析、动态时域仿真及相量测量单元(PMU)配置等方面的分析和研究.通过对同一个典型算例进行时域仿真和特征值分析,将PSAT与商业软件PSS/E进行了分析对比,结果表明该软件包的计算结果具有一定精度.

matlab精度检验代码使用AlexNet架构识别青光眼 以下存储库包含使用深度学习对OCT眼底图像进行训练和测试的代码： 青光眼是一种与之相关的眼部疾病，会导致视神经受损，从而将信息从眼睛传递到大脑。 青光眼最初会导致周围视力丧失，最终会导致永久性失明。 据估计，全球青光眼病例超过6000万，到2020年它将增加到8000万。社区中仍有超过90％的青光眼病例未被诊断。 由于青光眼通常是无痛的，因此人们可能对严格使用可以控制眼压并有助于防止永久性眼部伤害的眼药水变得粗心。 眼科医生可能会使用视野检查法，眼压测量法和检眼镜检查法来诊断青光眼。借助深度学习，计算机辅助自动检测青光眼是可能的。 本文提出了利用ACRIMA数据库眼底图像进行青光眼检测的通用深度学习模型。 与传统的手工制作光盘特征的方法不同，特征是通过卷积神经网络（CNN）从原始图像中自动提取特征。在我们的CNN模型中，AlexNet体系结构被用于自动特征检测 给定的存储库包含以下数据：1）训练数据（来自ACRIMA数据库的青光眼和非青光眼OCT图像）2）训练代码3）测试代码 使用的软件：1）MATLAB 过程：步骤1：在计算机

该代码是matlab中的用于灰色预测模型的代码，只需要输入已知数据就可以判断后面数据

计算有或没有异方差校正的时间序列的方差比检验。

matlab 参数估计与假设检验+源代码

H = COCHRANQTEST(X) 在 N×K 矩阵的 K 列具有相同成功次数和失败次数的假设下执行非参数 Cochran Q 检验。 H==0 表示不能在 5 显着性水平拒绝原假设。 H == 1表示原假设可以在5％的水平上被拒绝。 X 应包含二分值（成功/失败、左/右、是/否、真/假、0/1 等），其中一个值表示成功，另一个值表示失败。 K列对应K个相关观察； N行对应于N个不同的情况。 请注意，成功和失败的编码无关紧要。 最高值将被视为成功。 另请注意，仅包含成功或失败的案例不会影响测试统计量。 X 可以是（两个不同的）字符串的元胞数组（例如，“YES”和“NO”）。 H = COCHRANQTEST(...,ALPHA) 在显着性水平 (100*ALPHA)% 上执行检验。 ALPHA 必须是 0 到 1 之间的标量。 [H,P] = COCHRANQTEST(...)

根据 Marketsandmarkets 的报告，全球工业 X 射线探测器市场规模预计将从 2017 年 25.3 亿美元增长至 2022 年 33.1 亿美元，并在 2024 年达到 38.3 亿美元。 X 射线无损检测设备在工业领域中运用较多。如电子产品，IC 芯片，电子元件，半导体 元器件，接插件，塑胶件，BGA，LED，SMT，CPU，电容，电路板，锂电池，铸件等。 在电子产品元器件中主要看焊接点是否断线、短路、焊接是否正常；在 BGA，IC 芯片， LED，SMT 等使用中通常是要看这些工件的内部是否变形、金线是否正常、脱焊、空焊、 连锡、气泡等问题；在陶瓷、铸件中主要看工件中是否

1、开发BOS单据 产品检验表单据 ，表头信息：物料代码，物料名称，规格型号，供应商代码，供应商名称，送检数量，检验单号，检验方式，类型，备注。表体字段：检验项目，检验规格，检验结果，检验数值区间MIN-MAX，检验仪器，检查数，不良数，判定。 2、来料通知单/请检单 审核后自动生成 产品检验单数据 。 3、自动生成 产品检验单或手工新增输入供应商、物料后 系统自动根据供应商、物料抓取 最近 的 产品检验单数据，并填充检验项目以及检验规格

matlab精度检验代码ECE 5775最终项目 基于神经网络的Xilinx Zedboard上具有固定延迟的语音命令识别方法 ，和的项目。 每个文件夹及其内容的说明如下 audio_lab 它包含Xilinx Vivado和SDK项目，以将位流编程到FPGA并配置如何将数据发送到FPGA。 合并的 这包含我们基于Xilinx Vivado HLS对FPGA综合进行的集成测试，该测试基于3种不同的数据类型。 这些基于float数据类型，双精度float数据类型和Xilinx ap_fixed数据类型。 ap_fixed数据类型具有最快的运行时间，但就位宽而言并不是非常优化。 组件 Matlab的 该文件夹包含用于在MATLAB中生成训练和测试数据的所有必需文件。 在文件中查找更多详细信息 神经网络 该文件夹包含三层神经网络实现。 它学习使用前馈网络，然后进行反向传播。 分类输入以随机顺序输入网络。 在每个输入通过网络馈送之后，将检查每个输出神经元的值，并将其与所需的输出进行比较，以获取误差。 该误差通过层之间的所有边缘传播回去，并且权重在“学习”过程中进行调整。 重复该过程，直到达到期