质子交换膜燃料电池(PEMFC Simulink模型)
质子交换膜燃料电池(PEMFC Simulink模型)
包括静态模型和动态模型(两个独立模型)
可计算输出电压、输出功率、效率、产热量、产水量、氢氧消耗速率等!
质子交换膜燃料电池(PEMFC Simulink模型)
包括静态模型和动态模型(两个独立模型)
可计算输出电压、输出功率、效率、产热量、产水量、氢氧消耗速率等!
质子交换膜燃料电池(PEMFC Simulink模型)
包括静态模型和动态模型(两个独立模型)
可计算输出电压、输出功率、效率、产热量、产水量、氢氧消耗速率等!
5种模型光伏模型参数估计，完整模型，数据齐全
5种模型光伏模型参数估计,自由一键切换，12种指标全覆盖，适用所有群优化算法-matlab代码。
以哈里斯鹰优化算法HHO、灰狼优化算法GWO、蜣螂优化算法DBO为例。
本期包括了5种光伏模型:
1. Single diode model单二极管模型
2.Double diode model双二极管模型
3.Three diode model三二极管模型
4.Four diode model四二极管模型
5.Photovoltaic module model光伏组件模型
基于GAN的股票价格预测，Python
在这个项目中，我们将比较两种股票预测算法。 首先，我们将利用长短期记忆（LSTM）网络进行股市预测。 LSTM 是一种强大的方法，能够学习序列预测问题中的顺序依赖性。 此外，我们将利用生成对抗网络（GAN）来进行预测。 LSTM 将用作生成器，CNN 将用作判别器。 此外，该项目还将使用自然语言处理（NLP）来分析新闻对股票价格的影响。
在这个项目中，我们将比较两种股票预测算法。 首先，我们将利用长短期记忆（LSTM）网络进行股市预测。 LSTM 是一种强大的方法，能够学习序列预测问题中的顺序依赖性。 此外，我们将利用生成对抗网络（GAN）来进行预测。 LSTM 将用作生成器，CNN 将用作判别器。 此外，该项目还将使用自然语言处理（NLP）来分析新闻对股票价格的影响。
在这个项目中，我们将比较两种股票预测算法。 首先，我们将利用长短期记忆（LSTM）网络进行股市预测。 LSTM 是一种强大的方法，能够学习序列预测问题中的顺序依赖性。 此外，我们将利用生成对抗网络（GAN）来进行预测。 LSTM 将用作生成器，CNN 将用作判别器。 此外，该项目还将使用自然语言处理（NLP）来分析新闻
BiGRU多输入单输出单步时间序列预测，Maltab2023及以上，直接运行
BiGRU多输入单输出单步时间序列预测，Maltab2023及以上，直接运行
包含完整源码和数据。
包含MAE\MAPE\MSE\RMSE\R2多指标评价。
BiGRU多输入单输出单步时间序列预测，Maltab2023及以上，直接运行
包含完整源码和数据。
包含MAE\MAPE\MSE\RMSE\R2多指标评价。
BiGRU多输入单输出单步时间序列预测，Maltab2023及以上，直接运行
包含完整源码和数据。
包含MAE\MAPE\MSE\RMSE\R2多指标评价。
BiGRU多输入单输出单步时间序列预测，Maltab2023及以上，直接运行
包含完整源码和数据。
包含MAE\MAPE\MSE\RMSE\R2多指标评价。
使用BP神经网络和LSTM预测股票价格，Python
使用BP神经网络和LSTM预测股票价格，Python
使用BP神经网络和LSTM预测股票价格，Python
使用BP神经网络和LSTM预测股票价格，Python使用BP神经网络和LSTM预测股票价格，Python使用BP神经网络和LSTM预测股票价格，Python
使用BP神经网络和LSTM预测股票价格，Python
使用BP神经网络和LSTM预测股票价格，Python
使用BP神经网络和LSTM预测股票价格，Python
使用BP神经网络和LSTM预测股票价格，Python
BiTCN单输入单步时间序列预测，Maltab2023及以上，直接运行
BiTCN单输入单步时间序列预测，Maltab2023及以上，直接运行
包含完整源码和数据。
包含MAE\MAPE\MSE\RMSE\R2多指标评价。
BiTCN单输入单步时间序列预测，Maltab2023及以上，直接运行
包含完整源码和数据。
包含MAE\MAPE\MSE\RMSE\R2多指标评价。
BiTCN单输入单步时间序列预测，Maltab2023及以上，直接运行
包含完整源码和数据。
包含MAE\MAPE\MSE\RMSE\R2多指标评价。
BiTCN单输入单步时间序列预测，Maltab2023及以上，直接运行
包含完整源码和数据。
包含MAE\MAPE\MSE\RMSE\R2多指标评价。
BiLSTM-Adaboost单输入单步时间序列预测，Maltab2021及以上，直接运行
BiLSTM-Adaboost单输入单步时间序列预测，Maltab2021及以上，直接运行
包含完整源码和数据。
BiLSTM-Adaboost单输入单步时间序列预测，Maltab2021及以上，直接运行
包含完整源码和数据。
BiLSTM-Adaboost单输入单步时间序列预测，Maltab2021及以上，直接运行
包含完整源码和数据。
BiLSTM-Adaboost单输入单步时间序列预测，Maltab2021及以上，直接运行
包含完整源码和数据。
BiLSTM-Adaboost单输入单步时间序列预测，Maltab2021及以上，直接运行
包含完整源码和数据。
BiLSTM单输入单步时间序列预测，Maltab2021及以上，直接运行
BiLSTM单输入单步时间序列预测，Maltab2021及以上，直接运行
包含完整源码和数据。
BiLSTM单输入单步时间序列预测，Maltab2021及以上，直接运行
包含完整源码和数据。
BiLSTM单输入单步时间序列预测，Maltab2021及以上，直接运行
包含完整源码和数据。
BiLSTM单输入单步时间序列预测，Maltab2021及以上，直接运行
包含完整源码和数据。
BiGRU单输入单步时间序列预测，Maltab2021及以上，直接运行
BiGRU单输入单步时间序列预测，Maltab2021及以上，直接运行
包含完整源码和数据。
BiGRU单输入单步时间序列预测，Maltab2021及以上，直接运行
包含完整源码和数据。
BiGRU单输入单步时间序列预测，Maltab2021及以上，直接运行
包含完整源码和数据。
BiGRU单输入单步时间序列预测，Maltab2021及以上，直接运行
包含完整源码和数据。
BiGRU单输入单步时间序列预测，Maltab2021及以上，直接运行
包含完整源码和数据。
PID搜索算法，代码完整，可直接运行，适合2018及以上
PID搜索算法，代码完整，可直接运行，适合2018及以上
PID搜索算法，代码完整，可直接运行，适合2018及以上
PID搜索算法，代码完整，可直接运行，适合2018及以上
PID搜索算法，代码完整，可直接运行，适合2018及以上
PID搜索算法，代码完整，可直接运行，适合2018及以上
飞蛾扑火(MFO)算法，代码完整，可直接运行，适合2018及以上
飞蛾扑火(MFO)算法，代码完整，可直接运行，适合2018及以上
飞蛾扑火(MFO)算法，代码完整，可直接运行，适合2018及以上
飞蛾扑火(MFO)算法，代码完整，可直接运行，适合2018及以上
飞蛾扑火(MFO)算法，代码完整，可直接运行，适合2018及以上
TROA霸王龙算法，代码完整，可直接运行，适合2018及以上
TROA霸王龙算法，代码完整，可直接运行，适合2018及以上
TROA霸王龙算法，代码完整，可直接运行，适合2018及以上
TROA霸王龙算法，代码完整，可直接运行，适合2018及以上
TROA霸王龙算法，代码完整，可直接运行，适合2018及以上
Python实现基于Stacked-LSTM的股票预测模型（keras），可预测未来，完整源码
Python实现基于Stacked-LSTM的股票预测模型（keras），可预测未来，完整源码
Python实现基于Stacked-LSTM的股票预测模型（keras），可预测未来，完整源码
Python实现基于Stacked-LSTM的股票预测模型（keras），可预测未来，完整源码
Python实现基于Stacked-LSTM的股票预测模型（keras），可预测未来，完整源码
Maltab实现CNN卷积神经网络故障诊断（代码完整，可直接运行，适合2018及以上）
Maltab实现CNN卷积神经网络故障诊断（代码完整，可直接运行，适合2018及以上）
卷积神经网络（convolutional neural network）是具有局部连接、权重共享等特性的深层前馈神经网络，最早主要是用来处理图像信息。
相比于全连接前馈神经网络，卷积神经网络有三个结构上的特性：局部连接、权重共享以及汇聚，这些特性使得卷积神经网络具有很好的特征提取能力，且参数更少。
利用各种检查和测试方法，发现系统和设备是否存在故障的过程是故障检测；而进一步确定故障所在大致部位的过程是故障定位。故障检测和故障定位同属网络生存性范畴。要求把故障定位到实施修理时可更换的产品层次（可更换单位）的过程称为故障隔离。故障诊断就是指故障检测和故障隔离的过程。
Matlab实现鲸鱼优化算法(Whale Optimization Algorithm)（内含完整源码）
Matlab实现鲸鱼优化算法(Whale Optimization Algorithm)（内含完整源码）
步骤 1：设置鲸鱼数量 N 和算法的最大迭代次数 tmax，初始化位置信息；
步骤 2：计算每条鲸鱼的适应度，找到当前最优鲸鱼的位置并保留；
步骤 3：计算参数 a、p 和系数向量 A、C。判断概率 p 是否小于 50%，是则直接转入步骤 4，否则采用气泡网捕食机制:按式(2-1)进行位置更新；
步骤 4：判断系数向量 A 的绝对值是否小于 1，是则包围猎物：按式（1-2）更新位置；否则全局随机搜索猎物：按式（3-1）更新位置；
步骤 5：位置更新结束，计算每条鲸鱼的适应度，并与先前保留的最优鲸鱼的位置比较，若优于，则利用新的最优解替换;
步骤 6：判断当前计算是否达到最大迭代次数，如果是，则获得最优解，计算结束，否则进入下一次迭代，并返回步骤 3。
Matlab传染病学模型(Epidemic Models)
Matlab传染病学模型(Epidemic Models：SI, SIS, SIR, SIRS, SEIR, SEIRS)
使用AFO算法以及GA和PSO算法求解不确定多式联运路径优化问题（Matlab）
使用AFO算法以及其他GA和PSO算法求解不确定多式联运路径优化问题。同时和MATLAB自带的全局优化搜索器进行对比。
直接运行main.m
需要matlab2021及以后版本。
考虑不确定性的模糊多式联运路径优化研究，可以在满足运输方案经济环保双重要求的同时，增强运输 方案的鲁棒性，提高企业的抗风险能力。本文建立了模糊需求和模糊运输时间下低碳低成本多式联运路径优化模 型，针对连续型元启发式算法无法直接求解离散型组合优化模型的问题，设计了基于优先级的通用编码方式；在 此基础上，为进一步提高算法的求解质量，提出了带启发式因子的特殊解码方式。
高斯过程回归工具箱（Matlab）
高斯过程回归工具箱（Matlab）
高斯过程回归工具箱（Matlab）
高斯过程回归工具箱（Matlab）
贝叶斯突变点检测与时间序列分解（Matlab）
贝叶斯突变点检测与时间序列分解（Matlab）
贝叶斯突变点检测与时间序列分解（Matlab）
贝叶斯突变点检测与时间序列分解（Matlab）
基于熵权法的综合评价算法（Matlab）
Matlab实现基于熵权法的综合评价算法
信息量：信息量是度量弄清楚一个未知事物需要查询的信息的多少，单位是比特。随机变量取某个值时，其概率倒数的对数就是信息量。通俗的说就是，事物所含信息量与其发生的概率负相关。一件事物出现的概率决定了它的不确定性大小，也就决定了所含信息量的大小。出现的概率越大，不确定性越小，所含信息量也就越小。
信息熵：信息熵也就是信息量的期望。可以把信息熵理解成不确定性的大小，不确定性越大，信息熵也就越大。
熵最先由香农引入信息论，目前已经在工程技术、社会经济等领域得到了非常广泛的应用。熵权法的基本思路是根据指标变异性的大小来确定客观权重。
一般来说，若某个指标的信息熵越小，表明指标值得变异程度越大，提供的信息量越多，在综合评价中所能起到的作用也越大，其权重也就越大。相反，某个指标的信息熵越大，表明指标值得变异程度越小，提供的信息量也越少，在综合评价中所起到的作用也越小，其权重也就越小。
AHP层次分析法数据评价算法（Matlab）
AHP层次分析法数据评价算法（Matlab）
AHP层次分析法数据评价算法（Matlab）
AHP层次分析法数据评价算法（Matlab）
Python实现基于MLR多元线性回归的碳排放预测模型（预测未来发展趋势）
Python实现基于MLR多元线性回归的碳排放预测模型（预测未来发展趋势）
基于遗传算法的Bp神经网络优化算法代码matlab代码
基于遗传算法的Bp神经网络优化算法代码matlab代码
基于遗传算法的Bp神经网络优化算法代码matlab代码
基于遗传算法的Bp神经网络优化算法代码matlab代码
蚁群算法求解TSP问题matlab代码
蚁群算法求解TSP问题matlab代码
蚁群算法求解TSP问题matlab代码
SARIMA-LSTM混合模型预测时间序列（Python）
SARIMA-LSTM混合模型预测时间序列（Python）
SARIMA-LSTM混合模型预测时间序列（Python）
SARIMA-LSTM混合模型预测时间序列（Python）
高速公路ETC入深圳数据
高速公路ETC入深圳数据
基于CA元胞自动机的城市城镇用地变化的预测（Matlab）
基于CA元胞自动机的城市城镇用地变化的预测（Matlab）
基于CA元胞自动机的城市城镇用地变化的预测（Matlab）
基于CA元胞自动机的城市城镇用地变化的预测（Matlab）
基于元胞自动机的QCA电路的一般哈密顿量（Matlab）
本项目重点解决两种QCA电路的一般哈密顿量。 一般哈密尔顿考虑了所有单元与驱动程序之间的相互作用、所有单元之间的相互作用以及所有单元与环境之间的相互作用。
基于元胞自动机模拟地区未来的城市增长（Matlab）
建模和仿真——开发了一个基于元胞自动机的模型，用于模拟一个地区（艾哈迈达巴德区）未来的城市增长，并强调自发增长的条件，例如内城再生和边缘城市位置的特征， 可以建模。
Matlab实现基于CA元胞自动机的森林内的火灾传播传播模型
在 MatLab 上开发的，用于计算具有不同类型植被的森林内的火灾传播，还考虑了取决于不同因素的火灾概率，并使用它们来估计这种火灾传播将如何发生多年以及这将如何转变 植被。 考虑的一些因素是植被生长和死亡。
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）
数据驱动的锂离子电池寿命终止和充电预测（Matlab）
Python基于机器学习的模式识别分类（SAE 和 SVM）
基于机器学习的模式识别分类（SAE 和 SVM）
Lung Sounds Classification (SAE & SVM)
This is a documentation of my undergrad thesis which apparently submitted to ICoICT 2019. Since I was an undergraduate student, I'm pretty sure this work had some flaws inside.
Python基于深度学习的交通流预测(SAEs、LSTM、GRU)
Python基于深度学习的交通流预测(SAEs、LSTM、GRU)
Requirement
Python 3.6
Tensorflow-gpu 1.5.0
Keras 2.1.3
scikit-learn 0.19
Train the model
Run command below to train the model:
python train.py --model model_name
You can choose "lstm", "gru" or "saes" as arguments. The .h5 weight file was saved at model folder.
Experiment
Data are obtained from the Caltrans Performance Measurement System (PeMS). Data are collected in real-time from individual detectors spanning the freeway system across all major metropolitan
顺序自适应弹性网（SAEN）方法
顺序自适应弹性网（SAEN）方法在加权弹性网框架中应用复值路径方法，命名为 c-PW-WEN，通过降低稀疏度级别（或顺序）顺序 从3K到K分三个阶段。 SAEN 利用智能选择的自适应（即，数据相关）权重，这些权重基于在前一阶段获得的解决方案。 c-PW-WEN 算法针对不同的 EN 调整参数值计算 WEN 解决方案路径，然后选择最佳解决方案。 为了以计算高效的方式实现这一点，我们开发了一种同伦方法，它是加权套索问题的最小角度回归和收缩 (LARS) 算法的复值扩展，我们称之为 c-LARS-WLasso。 它在数值上具有成本效益，并且避免了对正则化参数的候选值进行详尽的网格搜索。
基于pytorch实现的堆叠自编码神经网络，包含网络模型构造、训练、测试
基于pytorch实现的堆叠自编码神经网络，包含网络模型构造、训练、测试
主要包含训练与测试数据（.mat文件）、模型（AE_ModelConstruction.py、AE_Train.py）以及测试例子（AE_Test.py）
其中ae_D_temp为训练数据，ae_Kobs3_temp为正常测试数据，ae_ver_temp为磨煤机堵煤故障数据，数据集包含风粉混合物温度等14个变量
在程序中神经网络的层数和每层神经元个数没有固定，可根据使用者的输入值来构造神经网络，方便调试
autoencoder类在初始化时有三个参数，第一个是网络输入值，第二个是SAE编码过程的层数(编码、解码过程层数相同)，第三个是是否添加BN层
这里为了构造方便，给每层神经元的个数与层数建立一个关系：第一层神经元的个数为2^(layer数+2)，之后逐层为上一层的1/2
用于零样本学习的语义自动编码器(An implementation of SAE in MATLAB)
Existing zero-shot learning (ZSL) models typically learn a projection function from a visual feature space to a semantic embedding space (e.g.~attribute space). However, such a projection function is only concerned with predicting the training seen class semantic representation (e.g.~attribute prediction) or classification. When applied to test data, which in the context of ZSL contains different (unseen) classes without training data, a ZSL model typically suffers from the project domain shift
Matlab实现卡尔曼滤波(Kalman Filtering)、卡尔曼平滑器(Kalman smoother)和缺失数据插值
Matlab实现卡尔曼滤波(Kalman Filtering)、卡尔曼平滑器(Kalman smoother)和缺失数据插值
Matlab实现卡尔曼滤波(Kalman Filtering)、卡尔曼平滑器(Kalman smoother)和缺失数据插值
卡尔曼滤波器、扩展卡尔曼滤波器应用
卡尔曼滤波器、扩展卡尔曼滤波器和移动时域估计在搅拌罐混合过程中的应用。 该存储库使用与高级过程控制与搅拌罐混合过程的实施和比较中使用的系统相同的系统。
Matlab实现卡尔曼滤波(Kalman Filtering)时间序列分析
Matlab实现卡尔曼滤波(Kalman Filtering)时间序列分析
Matlab实现卡尔曼滤波(Kalman Filtering)时间序列分析
Matlab实现卡尔曼滤波(Kalman Filtering)时间序列分析
Matlab实现基于EKF(Extended Kalman Filter, 扩展卡尔曼滤波)的无人机姿态估计
Matlab实现基于EKF(Extended Kalman Filter, 扩展卡尔曼滤波)的无人机姿态估计
使用EKF(Extended Kalman Filter, 扩展卡尔曼滤波)算法来对四旋翼无人机的姿态进行滤波和估计，姿态包括：俯仰角、滚转角、偏航角的角度值和角速度值。前提：角度值无法直接通过传感器直接测得，角速度值可以测得。
代码说明
test1.m：一维线性卡尔曼滤波的例子
jaccsd.m：用于求解EKF算法中的雅克比矩阵
EKF.m：EKF算法仿真程序
仿真结果
说明：
1.仿真软件采用MATLAB2010b
2.控制量和姿态角速度值采用随机生成的数据(使用实际数据更好)
3.仿真过程偶尔会出现错误结果，原因是EKF计算过程中有几率出现奇异矩阵，导致算法无法进行下去
RSS订阅
99
1
