数据驱动的锂离子电池寿命终止和充电预测（Matlab）
数据驱动的锂离子电池寿命终止和充电预测（Matlab）
数据驱动的锂离子电池寿命终止和充电预测（Matlab）
2023-10-30 16:03:09
9.37MB
1
基于鲸鱼算法(WOA)优化高斯过程回归(WOA-GPR)的数据回归预测，matlab代码，多变量输入模型。
评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。
2023-10-26 14:07:25
35KB
1
基于粒子群算法(PSO)优化高斯过程回归(PSO-GPR)的数据回归预测，matlab代码，多变量输入模型。
评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。
2023-10-26 09:40:47
34KB
1
matlab开发-气体分离装置级联控制及模型预测控制的仿真。膜分离法气体分离器过程控制仿真。
2023-10-25 10:01:51
2.65MB
1
merchants_bank
消费金融场景下的用户购买预测
A榜： 53名 线上 0.86871
B榜： 48名 线上 0.86027
特征分析： 一. 个人属性与信用卡消费数据：包含80000名信用卡客户的个人属性与信用卡消费数据，其中包含枚举型特征和数值型特征，均已转为数值并进行了脱敏和标准化处理。 （无缺失，待具体分析）
二. app操作行为日志：上述信用卡客户中，部分已绑定掌上生活app的客户，在近一个月时间窗口内的所有点击行为日志。（有缺失） 其中，点击模块名称均为数字编码（形如231-145-18），代表了点击模块的三个级别（如饭票-代金券-门店详情）
三. 标注数据：包括客户号及标签。其中，标签数据为用户是否会在未来一周，购买掌上生活app上的优惠券。
2023-10-24 10:08:34
5KB
1
merchants_bank_src
特征:信用卡消费数据+点击模块
问题一:用户操作日志只有一部分没有
解决方法:填充数据(根据已经知道的用户操作日志数据建立模型,用模型去预测预测没有日志的用户的操作日志)
问题二:样本不平均(0和1不平衡,0多)
解决方法:向下采样
问题三:特征过少
解决方法:特征交叉(几个特征结合)
问题四:特征增加后进行特征选择
方法:计算每个特征的信息熵
2023-10-24 10:04:10
20KB
1
传统用于总线系统或互联网的仲裁方法已不能很好地适应NoC应用环境。围绕NoC系统性能的关键影响因素——拥塞状态，提出了一种基于全局和本地拥塞预测的仲裁策略(GLCA)，以改善NoC网络延迟。实验结果表明，相对于RR方法，新仲裁算法使得网络平均包延迟和平均吞吐量最大分别可改善20.5%和8%，并且在不同负载条件下都保持了其优势。综合结果显示， GLCA与RR方法相比，路由器仅在组合逻辑上有少许增加(25.7%)。
2023-10-23 22:17:33
729KB
1
针对NoC任务映射问题中时延难以预测和启发式算法效率低的问题, 提出一个时延改进模型和近邻随机遗传算法。该模型从宏观的链路负载分布和单个节点的排队时延两方面来构建NoC映射的时延模型, 通过引入时延因子、权重系数来刻画不同映射方案对时延性能的影响, 避免了NoC通信时延精确建模的难题。提出近邻随机思想来构建遗传算法的初始种群, 并且运用该算法实现了面向时延的NoC映射, 在达到全局最优的情况下, 比经典遗传算法效率提升将近20%。实验结果表明, 该算法优于现有的经典遗传算法和随机映射方案。
2023-10-23 22:16:47
845KB
1