当前基于油中溶解气体分析(DGA)的变压器故障诊断方法往往仅考虑单一时刻数据点，容错性差，难以充分挖掘在线监测数据的时序信息。提出一种考虑变压器油特征参量序列间复杂关系的基于双向长短时记忆(Bi-LSTM)网络的变压器故障诊断方法。首先构建了变压器油特征参量序列，基于序列数据构建了Bi-LSTM变压器故障诊断模型。工程实际中不同变压器油特征参量序列长短不一，需通过排序、分组填充对模型输入进行重构改进，然后对超参数进行优化。基于同一自建数据库对比所提方法与其他方法，结果表明：经过数据重构后所提方法的准确率可达91.9 %；当特征指标数量减少约2/3时，所提方法的准确率仅下降约1%，而其他方法的准确率平均下降约6 %；当采样数据存在10%的随机错误时，所提方法诊断准确率仅下降2%~6 %，且通过改变隐藏层的数量可得到改善。

ntpd 网络时间守护程序 用法 将TZ变量更改为您的时区。 docker run -d \ --name=ntpd \ --restart=always \ --publish=123:123/udp \ --cap-add=SYS_TIME \ --memory 64M \ --cpu-quota "25000" \ -e TZ=Europe/Berlin \ -v ntpd_logs:/var/log \ theniwo/ntpd 此ntp.conf配置用于“ 192.168.1.0/24”网络。 如果您有其他网络，则必须像下面的示例一样提供自己的ntp.conf： [...] -v ./ntp.conf:/etc/ntp.conf \ [...

ESP8266获取网络时间显示到OLED

此程序是GUI的灰色神经网络预测，适合小样本的预测，精度较高 主程序是graynet_gui, 启动GUI，GUI里面有简介。

matlab内含BP、RBF、Elman神经网络等模型，用于时间序列预测，比较基础，应用简单，比较容易上手。

引言 　　想要在无线传感网络中很好地保证数据传输的可靠性，非常重要的一点就是保持节点之间时间上的同步。目前因特网上采用时间同步协议标准是NTP协议，采用有线传输，不适合用于功耗、成本受限制的无线传感网络中。GPS系统也可以提供高精度的时间同步，但它的信号穿透性差，GPS天线必须安装在空旷的地方，功耗也较大，所以不适合无线传感网络。 　　Elson等人2002年首次提出无线传感器网络时间同步的研究课题以来，已有相当多的典型时间同步算法，主要可以分为以下几类：基于发送者-接收者的双向同步算法，典型算法如TPSN算法；基于发送者-接收者的单向时间同步算法，典型算法如FTSP算法、DMTS算法；基

获取网络时间，并根据网络世界将本地时间修改为网络时间。

lstm学习资料，可以使用，效果较好，希望满意

C# 获取网络标准时间 正好最近用到这个，小受折磨，于是整理了一下，都是测试过了能够获得网络时间的方法。可以放心取用。

【ch11-循环神经网络】 时间序列表示.pdf