点数信息
www.dssz.net
注册会员
|
设为首页
|
加入收藏夹
您好,欢迎光临本网站!
[请登录]
!
[注册会员]
!
首页
移动开发
云计算
大数据
数据库
游戏开发
人工智能
网络技术
区块链
操作系统
模糊查询
热门搜索:
源码
Android
整站
插件
识别
p2p
游戏
算法
更多...
在线客服QQ:632832888
当前位置:
资源下载
搜索资源 - 序列的检验
下载资源分类
移动开发
开发技术
课程资源
网络技术
操作系统
安全技术
数据库
行业
服务器应用
存储
信息化
考试认证
云计算
大数据
跨平台
音视频
游戏开发
人工智能
区块链
在结果中搜索
所属系统
Windows
Linux
FreeBSD
Unix
Dos
PalmOS
WinCE
SymbianOS
MacOS
Android
开发平台
Visual C
Visual.Net
Borland C
CBuilder
Dephi
gcc
VBA
LISP
IDL
VHDL
Matlab
MathCAD
Flash
Xcode
Android STU
LabVIEW
开发语言
C/C++
Pascal
ASM
Java
PHP
Basic/ASP
Perl
Python
VBScript
JavaScript
SQL
FoxBase
SHELL
E语言
OC/Swift
文件类型
源码
程序
CHM
PDF
PPT
WORD
Excel
Access
HTML
Text
资源分类
搜索资源列表
数字逻辑课程设计——111序列检测器
一、实验目的: 1、深入了解与掌握同步时序逻辑电路的设计过程; 2、了解74LS74、74LS08、74LS32及74LS04芯片的功能; 3、能够根据电路图连接好实物图,并实现其功能。学会设计过程中的检验与完善。 二、实验内容描述: 题目:“1 1 1”序列检测器。 原始条件:使用D触发器( 74 LS 74 )、“与”门 ( 74 LS 08 )、“或”门( 74 LS 32 )、非门 ( 74 LS 04 ),设计“1 1 1”序列检测器。 集成电路引脚图: D触发器( 74 LS 74
所属分类:
C
发布日期:2010-01-26
文件大小:535552
提供者:
sunnyu1116
时间序列数据的平稳性检验
ppt平稳性的定义;平稳性的检验方法(ADF检验);伪回归的定义;协整的定义及检验方法(AEG方法);误差修正模型的含义及表示形式.
所属分类:
专业指导
发布日期:2010-03-15
文件大小:668672
提供者:
shishui44
基于bp人工神经网络的北京城市人口预测_论文
:人口系统是一个非常复杂的非线性系统, 对人口数量的准确预测能为应急避险规划 等提供重要 依据。通过建立一维时间序列的BP人工神经网络模型,根据1980-2005 年的人 口统计数据,借助MATLAB 5.3软件进行了北京城近郊区的户籍人口数量预测。检验结果显 示 2003、2004和2005年预测值与实际样本的差值在6~7万人之间,其与实际样本的比值约 为1%,预测精度完全符合要求。最终预测得到2006、2007、2008、2009、2010年的人口分 别为703.2、708.5、720.9
所属分类:
网络基础
发布日期:2010-07-30
文件大小:437248
提供者:
hualiu163
mann-kendall时间序列趋势检验
采用mann-kendall法,对时间序列的趋势变化进行检验,研究时间序列的发展趋势。
所属分类:
专业指导
发布日期:2010-12-03
文件大小:2048
提供者:
xianuodj
CRAMER滑动t检验
采用滑动t检验方法,用于检验时间序列的均值突变点,通常用于对气象数据的检测。
所属分类:
专业指导
发布日期:2010-12-03
文件大小:1024
提供者:
xianuodj
时间序列的平稳性和单位根检验
时间序列的平稳性和单位根检验 内容包括时间序列的平稳性和单位根检验的讲述与具体的分析步骤。ppt格式的。
所属分类:
专业指导
发布日期:2011-05-28
文件大小:1028096
提供者:
dbzxdws
课程设计括号匹配的检验
问题描述:假设表达式中允许有两种括号:圆括号和方括号,其嵌套的顺序随意,即CC或[([ ] [ ])]等为正确格式,[( ))或((()均为不正确的格式。检验括号是否匹配的方法可用“期待的紧迫程度”这个概念来描述。例如:考虑下列的括号序列: [ ( [ ] [ ] ) ] 1 2 3 4 5 6 7 8 当计算机接受了第1个括号以后,他期待着与其匹配的第8个括号的出现,然而等来的却是第2个括号,此时第1个括号“[”只能暂时靠边,而迫切等待与第2个括号相匹配的 第7个括号“]”的出现
所属分类:
C
发布日期:2011-07-06
文件大小:167936
提供者:
sms0101
Mann-Kendall趋势检验程序-Matlab代码
Mann-Kendall趋势检验法用于检验时间序列的趋势性。程序经过调试,保证正确。
所属分类:
教育
发布日期:2011-09-30
文件大小:269
提供者:
lip2008
matlab中的M-K检验
matlab中的M-K检验,对时间序列的数据进行突变检验
所属分类:
其它
发布日期:2012-09-19
文件大小:36864
提供者:
qqtule
m-k检验的matlab程序
用matlab做时间序列的突变和趋势检验,比excel方便,省事,希望能有所帮助
所属分类:
其它
发布日期:2013-05-08
文件大小:754
提供者:
yanglsh08
M-K突变检验FORTRAN程序(带数据)
用于监测气象水文序列的突变点,变化趋势。
所属分类:
教育
发布日期:2013-07-31
文件大小:897024
提供者:
u011565732
安徽省用电量基于时间序列的预测
文章主要研究季节时间序列模型在安徽省用电量时间序列预测中的应用。并分别对 安徽省全社会用电量和工业用电量建立了温特(Winter)积性指数平滑模型和SARIMA模型。全文把2006~2012年的用电量作为建模数据,2013年头3个月的数据拿来检验预测效果,并预测了未来一年安徽省全社会用电量和工业用电量。第一部分分析了全社会2006~2012年的月用电量时间序列,通过游程检验确定其为不平稳序列,然后用温特(Winter)积性指数平滑模型拟合,效果较好,模型的预测值与真实值的误差比较小。第二部分通
所属分类:
桌面系统
发布日期:2013-09-05
文件大小:523264
提供者:
u011977375
随机序列的检验
序列的频数检验,判断任意一个序列是否能通过频数检验: 对序列的每一位,可能的取值只有是0、1
所属分类:
专业指导
发布日期:2013-10-12
文件大小:8192
提供者:
woaonilyn
mk检验{单边}
适用于检验水文时间序列的趋势项的matlab程序代码,mk检验的单边检验,检验是否存在趋势项以及突变点
所属分类:
其它
发布日期:2015-06-10
文件大小:1024
提供者:
fenghuo1992
MK突变检验
MK突变检验目前已广泛应用于水文、气候变量序列的突变点检验
所属分类:
其它
发布日期:2018-05-02
文件大小:2048
提供者:
ronghao_chu
GARCH模型对上证综合指数的检验
GARCH模型对上证综合指数的检验,习鹏程,沈超,GARCH模型是近20年发展起来的时间序列模型,它反映了经济变量之间特殊的不确定形式:方差随时间变化而变化,所以其在金融市场的预测与�
所属分类:
其它
发布日期:2020-02-15
文件大小:497664
提供者:
weixin_38699551
基于时间序列的建筑工程造价预测研究
以工程量清单计价模式为基础,提出时间序列预测工程造价方法。在分析介绍时间序列检验、建模和预测原理的基础上,以钢材价格为对象进行时间序列分析。提取钢材价格趋势项,对价格残差项进行时间序列建模,获得钢材价格模型。对钢材价格进行预测分析,获得了2011年第一季度钢材价格,与实际价格对比分析发现预测价格误差在5%以内,预测值可以用于建筑工程造价预测中。以工程量清单计价模式为基础的时间序列预测方法,在建筑工程造价中可以得到广泛应用。
所属分类:
其它
发布日期:2020-05-23
文件大小:220160
提供者:
weixin_38620099
贵州电网短期负荷时间序列的混沌性仿真检验
不直接考虑气候等随机因素,根据过去贵州电网短期负荷时间序列,利用小数据量方法计算最大李雅普诺夫指数,并通过李雅普诺夫指数定义的性质对贵州电网短期负荷时间序列进行混沌性仿真检验,结果具有混沌性。
所属分类:
其它
发布日期:2020-10-25
文件大小:237568
提供者:
weixin_38571449
利用python实现平稳时间序列的建模方式
一、平稳序列建模步骤 假如某个观察值序列通过序列预处理可以判定为平稳非白噪声序列,就可以利用ARMA模型对该序列进行建模。建模的基本步骤如下: (1)求出该观察值序列的样本自相关系数(ACF)和样本偏自相关系数(PACF)的值。 (2)根据样本自相关系数和偏自相关系数的性质,选择适当的ARMA(p,q)模型进行拟合。 (3)估计模型中位置参数的值。 (4)检验模型的有效性。如果模型不通过检验,转向步骤(2),重新选择模型再拟合。 (5)模型优化。如果拟合模型通过检验,仍然转向不走(2),充分考虑
所属分类:
其它
发布日期:2020-12-17
文件大小:74752
提供者:
weixin_38532629
salesPredict:基于ARIMA时间序列的销量预测模型,实际预测准确率达90%以上,内部包含测试记录和实际线效果-源码
salesPredict ARIMA模型简介 ARIMA模型提供了基于时间序列理论,对数据进行稳定化处理(AR和MA过程),模型定阶(自动差分过程),参数估计,建立模型,可以进行模型进行检验。在Python中statsmodel提供了完整的的解决方案,包括窗口选择,自动定阶和稳定性检测等等算法。 预测策略 这样的好处是,月上旬和中旬的实际销量可以作为先验知识,提高模型预测的准确率。 环境 Windows 10 Python 3.6.5 依赖包 pip install -r requiremen
所属分类:
其它
发布日期:2021-02-05
文件大小:260096
提供者:
weixin_42131628
«
1
2
3
4
5
6
7
8
9
10
...
18
»