完整电负荷、热负荷数据 完整电负荷、热负荷数据 完整电负荷、热负荷数据
2024-05-21 16:02:44 17.05MB
基于MATLAB编程,用长短期神经网络LSTM进行碳排放量预测,碳排放是一种时间序列的数据,用LSTM比一般神经网络更适合,代码完整,包含数据,有注释,方便扩展应用 1,如有疑问,不会运行,可以私信, 2,需要创新,或者修改可以扫描二维码联系博主, 3,本科及本科以上可以下载应用或者扩展, 4,内容不完全匹配要求或需求,可以联系博主扩展。
2024-05-21 15:23:06 1.17MB 神经网络 GUI
1
该程序使用已知的 Kramer-Kronig 关系从实验测量的电吸收数据计算电折射光谱。 测量数据以 *.txt 格式调用到代码中,数据范围在 m 文件中以非常简单的方式进行操作。
2024-05-21 14:30:38 2KB matlab
1
61.建立指定路径(D:\HB,文件夹名:HB ,内部放置需要合并的数据库mdb或gdb或shp)2.在arcgis工具箱加载后直接使用(注意HB文件夹内的第一个数据库需完整的要素,只读取第一个数据库内的层,其他的数据库都是追加到此数据库中)
2024-05-21 14:22:28 60KB MDB合并工具
【资源说明】 Python毕业设计-基于Django的大众点评美食数据的空间分析及可视化网站的设计与实现+使用说明+全部资料(优秀项目).zipPython毕业设计-基于Django的大众点评美食数据的空间分析及可视化网站的设计与实现+使用说明+全部资料(优秀项目).zip 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用! 2、本项目适合计算机相关专业(如软件工程、计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载使用,也可作为毕设项目、课程设计、作业、项目初期立项演示等,当然也适合小白学习进阶。 3、如果基础还行,可以在此代码基础上进行修改,以实现其他功能,也可直接用于毕设、课设、作业等。 欢迎下载,沟通交流,互相学习,共同进步!
2024-05-21 11:11:14 3.46MB Python Django 毕业设计 课程设计
Matlab实现SVMD逐次变分模态分解时间序列信号分解(完整源码和数据) 1.Matlab实现SVMD逐次变分模态分解时间序列信号分解,运行主程序main即可,数据为一维时间序列信号数据。 2.赠送一个SVMD分解重构测试案例,运行test_svmd得到结果。 3.程序语言为matlab,运行环境matlab2018b及以上。 4.代码特点:参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 5.适用对象:计算机,电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。 6.作者介绍:某大厂资深算法工程师,从事Matlab、Python算法仿真工作8年;擅长智能优化算法、神经网络预测、信号处理、元胞自动机等多种领域的算法仿真实验,更多仿真源码、数据集定制私信+。
2024-05-21 10:54:29 887KB matlab
基于pytorch + CNN的猫狗图像识别源码+全部数据(高分期末大作业).zip这是一个98分的期末大作业项目,主要针对计算机相关专业的正在做课程设计和期末大作业的学生和需要项目实战练习的学习者。包含全部项目源码、该项目可以直接使用、项目都经过严格调试,下载即用确保可以运行! 基于pytorch + CNN的猫狗图像识别源码+全部数据(高分期末大作业).zip这是一个98分的期末大作业项目,主要针对计算机相关专业的正在做课程设计和期末大作业的学生和需要项目实战练习的学习者。包含全部项目源码、该项目可以直接使用、项目都经过严格调试,下载即用确保可以运行!基于pytorch + CNN的猫狗图像识别源码+全部数据(高分期末大作业).zip这是一个98分的期末大作业项目,主要针对计算机相关专业的正在做课程设计和期末大作业的学生和需要项目实战练习的学习者。包含全部项目源码、该项目可以直接使用、项目都经过严格调试,下载即用确保可以运行!基于pytorch + CNN的猫狗图像识别源码+全部数据(高分期末大作业).zip这是一个98分的期末大作业项目,主要针对计算机相关专业的正在做课程设计
2024-05-20 21:25:38 371.33MB pytorch 图像识别 人工智能
STM32F103ZET6移植AD7190驱动,cubeIDE编写,重要函数已编译,可自行配置
2024-05-20 16:41:33 1.49MB stm32 cubeide 数据采集 AD7190
1
本文提出一种基于核SMOTE(Synthetic Minority Over-sampling Technique)的分类方法来处理支持向量机(SVM)在非平衡数据集上的分类问题.其核心思想是首先在特征空间中采用核SMOTE方法对少数类样本进行上采样,然后通过输入空间和特征空间的距离关系寻找所合成样本在输入空间的原像,最后再采用SVM对其进行训练.实验表明,核SMOTE方法所合成的样本质量高于SMOTE算法,从而有效提高SVM在非平衡数据集上的分类效果.
2024-05-20 16:31:07 531KB 支持向量机;
1
人脸识别领域经典数据集LFW数据集,包含13234张人脸图像
2024-05-20 15:47:19 31.54MB 数据集
1