时间序列预测 该存储库实现了时间序列预测的常用方法,尤其是TensorFlow2中的深度学习方法。 如果您有更好的主意,欢迎您贡献力量,只需创建PR。 如有任何疑问,请随时提出问题。 正在进行的项目,我将继续进行改进,因此您可能希望观看/加注此仓库以进行重新访问。 神经网络 波浪网 变压器 网络 拍子 甘 用法 安装所需的库 $ pip install -r requirements.txt 如有必要,下载数据 $ bash ./data/download_passenger.sh 训练模型如果需要,请设置custom_model_params (请参阅./deepts/models/
2021-06-17 19:01:17 595KB time-series tensorflow signal-processing cnn
1
WebRTC 1.0: Real-time Communication Between Browsers
2021-06-17 18:10:07 2.32MB WebRTC
1
针对论文《Time series indexing by dynamic covering with cross》的总结
2021-06-17 18:05:42 2.07MB 论文总结 时间序列 DCRC DTW
1
小白写的程序,计算日期之间的间隔
2021-06-16 13:19:14 129KB c语言
1
Real-Time Rendering 4th Edition,,彩色完整版。。。。
2021-06-16 11:06:11 24KB 完整版 4th
1
用matlab实现了DTW算法,已经经过了测试 用matlab实现了DTW算法,已经经过了测试 用matlab实现了DTW算法,已经经过了测试 用matlab实现了DTW算法,已经经过了测试
2021-06-12 23:50:26 929B DTW matlab 数据挖掘 time
1
qt 时间显示
2021-06-12 09:02:23 27.15MB qtp
1
自己总结了一些Unity关于Time类型的用法详解,可以下载来看看,自己试验一下
2021-06-11 18:07:44 1KB unity unity-Time
1
多元时间序列数据集 在此githup回购中,我们提供了四个可用于与多元时间序列信号相关的研究的数据集。 不同数据集的格式相同。 假设时间序列信号包含T个时间戳,每个时间戳包含n个传感器,则数据文件将包含T行,并且每行具有n个由逗号分隔的实数。 纸 用电量 原始数据集位于。 这是从2011年到2014年每15分钟记录一次用电量,单位为kWh。因为某些维度等于0。所以我们在2011年取消了记录。最终,我们得到的数据包含2012年到2014年321个客户的用电量。我们转换了数据以反映小时消耗。 流量使用 原始数据位于。 此仓库中的数据是来自加利福尼亚交通部的48个月(2015-2016)每小时数据的集合。 数据描述了旧金山湾地区高速公路上不同传感器测得的道路占用率(0到1之间)。 太阳能 原始数据位于 :它包含2006年的太阳能发电记录,该记录每10分钟从阿拉巴马州的137个光伏电站中采样一次状
2021-06-11 10:49:10 53.18MB 附件源码 文章源码
1
Introduction: radar electronic backscattering; radar signals; radar ambiguity function and matched filter; synthetic aperture radar imaging. Time-frequency transforms: linear transforms; bilinear transforms. Detection and extraction of signal noise: time-varying frequency filtering; SNR improvement in time-frequency domain; CFAR detection in joint time-frequency domain; signal extraction in joint time-frequency domain. Time-frequency analysis of radar range profiles: electromagnetic phenomenology embedded in backscattered data; time-frequency representation of range profiles; application of high-resolution time-frequency techniques to scattering data; extraction of dispersive scattering features from radar imagery using time-frequency processing. Time-frequency based image formation: radar imaging of moving targets; motion compensation; time-frequency based image formation; radar imaging of manoeuvring targets; radar imaging of multiple targets. Motion compensation in inverse synthetic aperture radar imaging using time-frequency techniques: motion compensation algorithms; time-frequency based motion compensation; motion compensation examples of simulated and measured data; presence of three-dimensional target motion. Synthetic aperture radar imaging of moving target: radar signatures of moving targets; effect of target motion on SAR imaging; detection and imaging of moving targets; SAR imaging of moving targets using time-frequency transforms. Time-frequency transform for analysis of micro-doppler phenomena: vibration induced micro-doppler; rotation induced micro-doppler; examples. Trends in time-frequency transforms for radar applications
2021-06-10 11:21:13 6.16MB 时频分析 雷达 外文书
1