粗糙集属性权重利用粗糙集确定权重利用粗糙集进行约减

电机缺陷检测仪 细节 目标操作系统： Ubuntu * 16.04 LTS 程式语言 Python 完成时间： 30分钟 它能做什么 制造设备的监视对于任何工业过程都是至关重要的。 有时至关重要的是，必须实时监视设备的故障和异常，以防止损坏并将设备行为故障与生产线问题相关联。 故障检测是预测性维护的先兆。 本参考实现涵盖FFT，逻辑回归，K均值聚类，GMM的基本实现。 它还显示了FFT在机器振动数据特征工程中的帮助。 这个怎么运作 从最基本的（FFT）到最复杂的（高斯混合模型），有几种方法不需要训练神经网络就能检测到故障。 它们的优点是可以在不同的数据流上进行较小的修改就可以重复使用，并且不需要大量已知的先前分类的数据（与神经网络不同）。 实际上，其中一些方法可用于对数据进行分类，以训练DNN。 要求 硬体需求 经过测试 软件需求 Ubuntu * 16.04 带有以下库的Py

在过去的十年中，神经网络几乎遍及所有科学领域，并成为各种现实世界应用的重要组成部分。由于日益普及，对神经网络预测的置信度变得越来越重要。然而，基本的神经网络不能提供确定性的估计，或者存在自信过度或不足的问题，即校准不当。

go-contrib-mobile gin-gonic 的中间件，用于确定用户使用的是移动设备、平板电脑还是普通设备。 这个中间件的灵感来自 spring 框架的好人的项目。 例子 package main import ( "fmt" "net/http" "github.com/gin-gonic/gin" "github.com/floresj/go-contrib-mobile" ) func main () { r := gin . Default () fmt . Println ( "Main!" ) // Set up Mobile Resolver r . Use ( mobile . Resolver ()) r . GET ( "/" , func ( c * gin. Context ){

行业分类-机械工程-不确定条件下二次起爆云爆弹云爆剂抛撒高度的确定方法.zip

行业分类-制造业-固定建筑物用于确定竖井掘进机姿态的自动测量设备、方法、系统.zip

基础化工行业周报：2021H1化工上市企业涨跌幅出炉，2021H2看好具有确定性的景气子行业.pdf

在数据处理过程中，首先要抽取足够数量的样本，本Excel为作者根据统计学教科书中的公式自行编写的样本量估算小工具，希望能够为大家提供一定的帮助。

零售电商2017年报前瞻：业绩分化显著，龙头公司具有较强确定性.pdf

确定线槽位置、容量.doc