- 博客(10)
- 收藏
- 关注
RSS订阅原创 Transactions on Knowledge Discovery from Data（TKDD）投稿
中选择论文的类别点，然后点击 Assign this CSS Concept，一般选2～4个，选好后，点击右侧的Generate Code。将生成的代码复制到Overleaf就可以了。虽然但是，就这么简单，我还是搞了大半天。只是投出去了，但就像是后宫的嫔妃，终于有了自己的娃，老母亲激动毁了～需要先注册，登陆后在Author条目下：Star New Submission。一共有七个步骤，第一作者似乎还需要一个ORCID，直接注册就好了。初次提交只提交PDF版本，用overleaf写完下载就行。
2023-06-10 17:43:55
4931
15
原创 文献阅读—Matching Theory Adied Federated Learning Method for Load Forecasting of Virtual Power Plant
1.本文研究的问题？在虚拟电厂中，需要对用户进行负荷预测，以便精准调控。端设备的大量数据需上传到边缘服务器和云，再由云平台做出决策，在边缘服务器将决策分解后发给端设备。联邦学习（FL）可以解决此问题，将设备的数据保存在本地，与云端协同训练负荷预测模型。但是普通的FL不可直接用于负荷预测：每个用户的用电行为不同，全局模型不适用于所有用户；FL训练速度依赖于资源短缺的设备。本文研究的问题：如何在不上传数据的情况下，使每个用户拥有适配的负荷预测模型（根据不同用户用电行为进行分组...
2022-04-21 21:15:42
419
原创 Mac matlab save命令报错：Read-only file system
无法写入文件XXX：Read-only file system.如图所示：左边的当前文件夹，路径是根目录。把路径改到了桌面，就不会再报错了。如图所示：
2022-04-11 19:50:17
984
3
原创 NS3跑.py报错/Mac终端conda命令无效
NS3的ns-3.35文件下运行plot.py报错说print(f'Start plotting {filename}')中的符号不合法。查资料后得知，想用这个语句，需要python3.x的版本，MAC默认是python2.7。修改MAC默认python版本。进入ns-3.35文件下运行plot.py，再次报错：ModuleNotFoundError:No module named pandas.但我已经安装了Anaconda3，确定有pandas。于是：1.终端输入：open ~/
2022-03-16 17:37:34
844
原创 Anaconda配置环境变量
下载anaconda安装包安装完后，需要配置path路径，未配置路径前终端输入：conda -version，显示conda : command not found.终端输入：vi ~/.bash_profile按 i 进入编辑状态，在文件的开头写入：export PATH =$PATH:/Users/ms.x/opt/anaconda3/bin按esc退出编辑。输入:wq 或者 :wq! 保存退出/强制保存退出。终端输入：source ~/.bash_profil
2022-03-13 14:01:58
2814
原创 Mac安装NS3
换了研究方向，需要用NS3。装软件、搭环境永远都是最烦人的事情。历经多次试验，反复下载，终于有了眉目。记录一下这个和安装包们斗智斗勇的过程。1.macOS Catalina 10.x版本忘了是10.几。2019年买的MacBook Pro，没升级过系统。我是一个恋旧的人，hhhh~ 印象中mac安装ns3仿真平台_u012074597的专栏-CSDN博客Mac OS安装NS 3_冰冻三尺非一日之寒-CSDN博客Mac安装Qt开发环...
2022-03-13 11:58:06
3074
原创 文献阅读—An exploratory study of congestion control techniques in Wireless Sensor Networks
0.摘要：无线传感器网络在数据处理、存储、传输能力以及能源供应等方面资源有限，拥塞是无线传感器网络普遍存在的问题之一。在过去十年，我们进行了大量的调查工作，以调查和解决多个拥塞导向问题和尚未解决的问题。各种综述文章主要集中于经典的拥塞控制技术，如基于流量的、基于资源的和混合技术等。本文通过考虑经典方法和基于软计算的方法，对最近在改进无线传感器网络拥塞控制的方法进行了系统回顾。从整体的角度对这两种方法进行研究是一种可行的思路。最后，本文讨论了无线传感器网络拥塞控制机制的设计难点、各种优化模...
2022-03-02 18:12:01
214
原创 文献阅读—GAIN：Missing Data Imputation using Generative Adversarial Nets
文章提出了一种填补缺失数据的算法—GAIN。生成器G观测一些真实数据，并用真实数据预测确实数据，输出完整的数据；判别器D试图去判断完整的数据中，哪些是观测到的真实值，哪些是填补的值。给D提供一些额外的提示信息，保证G可以学习期望的分布。提示向量向D透露了原始数据的部分信息。在多个数据集上测试了算法，算法效果较好。一.引言1.缺失数据可以分成三类：MCAR：完全随机缺失，数据的缺失不依赖于任何不完全变量和完全变量。MAR：随机缺失，数据的缺失不是完全随机的，依赖...
2021-11-30 13:15:18
4426
28
原创 Deep Learning for Massive MIMO CSI Feedback跑代码
小白日记2021.10.31老师给了一个项目源码，文件中都是以.py结尾的文件，导入PyCharm后运行报错，查了原因，因为没有GPU。改用在线算力。1.将项目源码和数据集放在同一个文件夹，将文件夹放入：我的云端硬盘。2.新建-更多-Google Colaboratory3.修改-笔记本设置-GPU4.将代码（CsiNet_train.py）的内容复制到新建的文本中5.在目录中装载Google云端硬盘6.根据情况修改代码：import tenseorflow as tf,文件
2021-10-31 16:35:48
811
3
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人