针对城市道路交通拥堵预警问题，提出了一种基于深度学习的预测模型。
通过归纳合并交通流参数、环境状态、时段等基础数据来构建交通流特征向量并确定四种预测状态。
采用深度学习的自编码网络方法从无标签数据集中学习获取可表征数据深层特征的隐层参数并生成新特征集。
应用Softmax回归对有标签的新特征集进行学习生成预测分类器，模型可对交通拥堵状况进行多态预测。
通过仿真对比分析，预测模型具有较省略特征学习的预测算法更好的预测性能，平均预测精度可达85%。
通过归纳合并交通流参数、环境状态、时段等基础数据来构建交通流特征向量并确定四种预测状态。
采用深度学习的自编码网络方法从无标签数据集中学习获取可表征数据深层特征的隐层参数并生成新特征集。
应用Softmax回归对有标签的新特征集进行学习生成预测分类器，模型可对交通拥堵状况进行多态预测。
通过仿真对比分析，预测模型具有较省略特征学习的预测算法更好的预测性能，平均预测精度可达85%。
2024/12/10 4:56:21
181KB
1
详细的ADE7880中文使用手册，产品特性高精度；
支持IEC62053-21、IEC62053-22、IEC62053-23、EN50470-1、EN50470-3、ANSIC12.20和IEEE1459标准支持IEC61000-4-7I类和II类精度规格兼容三相三线或三相四线(三角形或Y形)及其它三相配置测量所有相位上2.8kHz通带范围内所有谐波的rms/有功/无功/视在功率、功率因数、THD和谐波失真测量零线电流上2.8kHz通带范围内所有谐波的rms和谐波失真TA=25°C时，在2000:1的动态范围内谐波电流和电压有效值、谐波有功和无功功率的误差小于1%测量各相及整个系统的总(基波和谐波)有功/视在功率和基波有功/无功功率TA=25°C时，在1000:1的动态范围内有功和基波无功功率误差小于0.1%；
TA=25°C时，在5000:1的动态范围内有功和基波无功功率误差小于0.2%TA=25°C时，在1000:1的动态范围内电压和电流有效值误差小于0.1%支持电池电源输入，可在全失压的情况下工作宽电源电压范围：2.4V至3.7V基准电压源：1.2V(典型漂移量为10ppm/°C)且具有外部过驱功能40引脚架构芯片级(LFCSP)无铅封装，与ADE7854、ADE7858、ADE7868和ADE7878引脚兼容
支持IEC62053-21、IEC62053-22、IEC62053-23、EN50470-1、EN50470-3、ANSIC12.20和IEEE1459标准支持IEC61000-4-7I类和II类精度规格兼容三相三线或三相四线(三角形或Y形)及其它三相配置测量所有相位上2.8kHz通带范围内所有谐波的rms/有功/无功/视在功率、功率因数、THD和谐波失真测量零线电流上2.8kHz通带范围内所有谐波的rms和谐波失真TA=25°C时，在2000:1的动态范围内谐波电流和电压有效值、谐波有功和无功功率的误差小于1%测量各相及整个系统的总(基波和谐波)有功/视在功率和基波有功/无功功率TA=25°C时，在1000:1的动态范围内有功和基波无功功率误差小于0.1%；
TA=25°C时，在5000:1的动态范围内有功和基波无功功率误差小于0.2%TA=25°C时，在1000:1的动态范围内电压和电流有效值误差小于0.1%支持电池电源输入，可在全失压的情况下工作宽电源电压范围：2.4V至3.7V基准电压源：1.2V(典型漂移量为10ppm/°C)且具有外部过驱功能40引脚架构芯片级(LFCSP)无铅封装，与ADE7854、ADE7858、ADE7868和ADE7878引脚兼容
2024/12/8 9:16:36
1.75MB
1
TensorRT是NVIDIA推出的专门加速深度学习推理的开发工具。
利用TensorRT，您可以快速、高效地在GPU上部署基于深度学习的应用。
我们首先会介绍TensorRT的基本功能和用法，例如它的优化技巧和低精度加速。
其次，结合我们实际使用过程中的经验，详细介绍TensorRT的难点：Plugin机制。
最后，我们会分享几个TensorRT成功应用案例
利用TensorRT，您可以快速、高效地在GPU上部署基于深度学习的应用。
我们首先会介绍TensorRT的基本功能和用法，例如它的优化技巧和低精度加速。
其次，结合我们实际使用过程中的经验，详细介绍TensorRT的难点：Plugin机制。
最后，我们会分享几个TensorRT成功应用案例
2024/12/6 16:08:18
1.28MB
1
南阳陶岔作为南水北调中线工程的渠首闸所在地，掌握其水质变化情况、预防污染事件的发生至关重要。
基于环保部门的水质检测数据，选取pH、溶解氧、高锰酸盐指数、氨氮作为研究指标，通过主成份加权分析模型和BP神经网络模型，对陶岔的水质进行了有效的评价和较高精度的预测。
结果表明，陶岔水质总体较好，可达II级以上，评价准确率为81.25%；
预测的最大误差为4.75%，平均误差0.7%，预测精度较高。
基于环保部门的水质检测数据，选取pH、溶解氧、高锰酸盐指数、氨氮作为研究指标，通过主成份加权分析模型和BP神经网络模型，对陶岔的水质进行了有效的评价和较高精度的预测。
结果表明，陶岔水质总体较好，可达II级以上，评价准确率为81.25%；
预测的最大误差为4.75%，平均误差0.7%，预测精度较高。
2024/12/5 8:10:12
1.25MB
1
GNSS接收机静态定位精度计算matlab源代码GNSS接收机静态定位精度计算matlab源代码GNSS接收机静态定位精度计算matlab源代码
2024/12/4 22:24:25
275KB
1
KS-650型电烤箱，容量8L·600W，220V/50HZ供电·温度可控可调·温度范围0-100℃·精度±0.5℃·具有三位数字显示功能
2024/12/4 18:49:06
123KB
1
简述了人工神经网络BP模型,以Excel为技术平台,创建了人工神经网络BP预测模型。
应用该模型预测了吉林省农安水文站枯季径流量。
结果表明,预测结果合理,精度较高;模型操作简便,有进一步推广价值。
应用该模型预测了吉林省农安水文站枯季径流量。
结果表明,预测结果合理,精度较高;模型操作简便,有进一步推广价值。
2024/12/1 6:45:25
766KB
1
基于stm32电子秤设计，应变片加ad转换得到物体的重量，触摸屏直接输入物体的单价，stm32内部自行运算，使用的是pid提高精度
2024/11/30 9:29:39
14.68MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB