2012年全球能源预测大赛电力负荷预测数据集,包括各类常用历史气象数据集,负载历史数据及预测
2024-06-10 10:44:24 17.68MB 数据集
1
内容 1)自选文本分类数据集; 2)测试单向、双向TextRNN深度网络算法分类精度; 3)编写、运行程序并查看结果; 4)调节单向、双向TextRNN算法相关参数,分析其对模型效果的影响
2024-06-09 00:19:15 911KB 网络 网络 数据集
1
共有144节锂离子电池,包含三种不同的SOC(0%SOC,50%SOC和100%SOC),在4种不同的温度(-40℃,-5℃,25℃,50℃)下进行了电池寿命测试。 1.-40℃,-5℃,25℃,50℃每种温度下分别有 12个电池。 2.每个温度的12个电池中,0%SOC,50%SOC和100%SOC,每种容量分别有4个。 3.144节电池分为三组,每组48个。48个电池每三周进行一次容量测试和阻抗测试;48个电池每三个月进行一次容量测试和阻抗测试;48个电池每6个月进行一次容量测试。 例如:电池PLN_51以C/2的CCCV充电速率进行初始容量测试。当当前电流降到C/100的速率以下时就会以C/2的速率放电以累计达到最大可适用容量。然后,在阻抗测试之后以相同的CCCV曲线对电池充满电。在下一步中,通过将累积容量计算到最大容量的一半,将电池放电至50%SOC。然后将电池存储在温度室中3周。三周后,取出电池进行容量和阻抗测试。
2024-06-08 18:05:28 249.48MB 数据集 Deeplearning
1
使用getdata.py下载数据,或者使用自己的数据源,将数据放在stock_daily目录下 使用data_preprocess.py预处理数据,生成pkl文件,放在pkl_handle目录下(可选) 调整train.py和init.py中的参数,先使用predict..py训练模型,生成模型文件,再使用predict.py进行预测,生成预测结果或测试比照图 本项目使用机器学习方法解决了股票市场预测的问题。项目采用开源股票数据中心的上证000001号,中国平安股票(编号SZ_000001),使用更加适合进行长时间序列预测的LSTM(长短期记忆神经网络)进行训练,通过对训练集序列的训练,在测试集上预测开盘价,最终得到准确率为96%的LSTM股票预测模型,较为精准地实现解决了股票市场预测的问题
2024-06-07 15:00:05 4.9MB 神经网络 lstm 数据集
1
猫狗人鼠带标注数据集
2024-06-07 08:17:22 253B
1
2022高德全国路网数据 shp数据
2024-06-05 11:08:58 640.21MB 数据集
1
垃圾识别代码数据集
2024-06-04 18:15:41 125.71MB 数据集
1
本文给大家带来是DLinear模型,DLinear是一种用于时间序列预测(TSF)的简单架构,DLinear的核心思想是将时间序列分解为趋势和剩余序列,并分别使用两个单层线性网络对这两个序列进行建模以进行预测(值得一提的是DLinear的出现是为了挑战Transformer在实现序列预测中有效性)。本文的讲解内容包括:模型原理、数据集介绍、参数讲解、模型训练和预测、结果可视化、训练个人数据集,讲解顺序如下->预测类型->这个模型我在写的过程中为了节省大家训练自己数据集,我基本上把大部分的参数都写好了。我看论文的内容大比分都是对比实验,因为DLinear的产生就是为了质疑Transformer所以他和各种Transformer的模型进行对比试验,因为本篇文章就是DLinear的实战案例,对比的部分我就不讲了,大家有兴趣可以看看论文内容在最上面我已经提供了链接。 到此本文已经全部讲解完成了,希望能够帮助到大家,在这里也给大家推荐一些我其它的博客的时间序列实战案例讲解,其中有数据分析的讲解就是我前面提到的如何设置参数的分析博客,最后希望大家订阅我的专栏,本专栏均分文章均分98,并且免费阅读。
2024-06-03 23:30:23 53.03MB transformer 数据集 毕业设计 数据分析
1
lfw人脸识别数据集,包括lfw_align_112,lfw_align_112_fr,img_list1.txt,lfw_align_112_pairs.txt ,lfw_align_112.list。
2024-06-03 18:19:56 88.05MB 数据集 人脸识别
1
PPP-RTK系统clas的样例数据 PPP-RTK的算法研究、开发人员,该样例数据用于CLAS源码的测试分析,特别注意的是L6数据,类似于我国北斗三代的PPP-B2b数据。
2024-06-03 17:20:41 21.83MB 数据集
1