标准粒子群算法程序，函数优化，参数优化，可用于PIDNN.

单相boost电路平均电流模式PFC仿真研究以及参数计算-PFC_current_loop_cal.m   希望能和有兴趣的同志探讨。   附件包含一个PFC simulink仿真模型以及电流环和电压环参数调节的m文件。

在案例12中我们采用SVM来做分类预测,达到了较满意的结果,但用SVM做分类预测时需要调节相关的参数(主要是惩罚参数c和核函数参数g)才能得到比较理想的预测分类准确率,那么SVM的参数该如何选取呢?有没有最佳的参数呢?采用cross validation的思想可以在某种意义下得到最优的参数,可以有效的避免过学习和欠学习状态的发生,最终对于测试集合的预测得到较理想的准确率.采用实例验证表明,用cross validation选取出的参数来训练SVM得到的模型比随机的选取参数训练SVM得到的模型在最后分类预测上更有效.

本文档介绍BL-10GE6608B 8口盒式EPON OLT规格参数，为光纤工程师、项目经理、网络工程师提供技术指标参考。

通过调节Pid参数，观察每个参数对结果的影响

首先是获取特定进程对象，可以使用Process.GetProcesses()方法来获取系统中运行的所有进程，或者使用Process.GetCurrentProcess()方法来获取当前程序所对应的进程对象。当有了进程对象后，可以通过进程对象名称来创建PerformanceCounter类型对象，通过设定PerformanceCounter构造函数的参数实现获取特定进程的CPU和内存使用情况。 具体实例代码如下： 首先是获取本机中所有进程对象，分别输出某一时刻各个进程的内存使用情况： using System; using System.Collections.Generic; using

用于参数辨识研究，可以对多参数的非线性函数进行拟合与参数识别

C# 启动C++生成的EXE文件，是否运行判断，只运行一个实例，exe路径和exe名称参数配置在TXT文件中，便于插件使用。

可用于锂电池模型建立，利用最小二乘法进行参数辨识与仿真分析

本文研究了两种灰色系统预测模型的预测能力。 Deng [1] [2]提出的原始灰色GM（1,1）预测模型，以及Ji等人提出的改进的Gray GM（1,1）模型。 [3]用于预测百慕大的医疗旅游需求。 本文还介绍了一种用于优化alpha（权重）参数的准优化方法。 使用四个数据点估算模型后，将提前五个步骤进行样本外预测。 结果表明，阿尔法参数的优化大大提高了模型的预测精度。 将两个模型的样本外平均绝对百分比误差的五个步骤从大约7％降低到大约3.80％。 很大程度上，在没有大量高质量数据的情况下，预测方法显示出巨大的潜力来替代传统的预测方法。