eWebEditor编辑器ASP版-支持IE、火狐及360浏览器真正可用版

zynq-7000 pcb design guide.pdf

pdf文档，中文来源：华北电力大学学报242007[11997199811.2199910.88408200.68000.47800.2掩76072007000100120时间/天68040100120图3训练过程中的误差变化时间/天Fig.3 Errors during training图1日负荷预测时洲练数据4Fig. 1 Training data for day load for ecas ting35←只51.5050-10203040如0的070809010101200.8时间压图4训练过程中神经元个数变化Fig 4 Grow th of neurons during train ing0.200.95系0.940.8505101520253035滞后时间/天如0.80.75图2训练数据的自相关系数Fig. 2 Autocorrelation coefficients of training dat a(a拟合曲线0.〔(3)10.040.0系70/14060[1000000]时间/天(b拟合误差「O1000001图5训练结果及误差Fig. 5 Result and error of train in3- EBF6,C1994-2012cHinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net4EUNITE2582080078076074072026.26700(3)66005101520253035时间/天50/1[00001图6日最大负荷预测结果[01010]26ig. 6 Result of forFrecasting g1 SOFNN[716.2,739.7,757.7,781.3],7Tab 1 Accuracy of training and forecast ing[720.1,738.2,763.7,MethodMAPE/ (%O) ME767.7],7SOFNN1.3344.137901.7850.04780EUNITE1.95E770760winner750报告中ME值没有准确堤供,但可以从报告中估轵740计得出约50~60完整的 EUNITE网络竟赛原始数据可730从EUNITE网站获得(http://neuron.tuke.sk/compe-720tit ion/ index. php)7103354EUNITEMAPE时间1.95[2]图7周平均最大负荷预测结果3.2Fig. 7 Forecasting result of week average max loadSOFNNSOFNNWSj72SOF NNWLWLideltaWli, delta WLi=WLj-Wli(3h:× delt al+k× deltal wj,Yh=0.58o1994-2012ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp:/www.cnki.net262007820[1] Chen B J, Chang M W, Lin C J. Load forecasting using800support vector machines: a study on eunitE com-780tion 2001[J]. IEEE transactions on power systems7602004.19(4):1821-1830[2] Company behind East- Slov akia Power Distrib ution740Com panWorle w ide com petition w ithin the EU720NITE network, EUNITE competiton report [RI700[3]6802004.28(17):1-1105101520253035[4 Leng g, Prasad g, McGinnity T M. An on line algor-时间/天rithm for creating self organ izing fuzzy neural networ ks图8修正后的日最大负荷预测结果Neural Netw orks, 2004,(17): 1477-1493[5 Ort iz: Arroyo D, Skov M K, Huynh Q. Accurate Elee-F ig.8 Forecasting results after rev sedtricity Load Forecasting with Artificial Neur al NetworksIC. Proceedings of the 2005 International Conference2SOFNNon Compu tat io nal Intel ligence for M odel ling, Control andTah 2 Accuracy of forecast ingAuto mation. and International Conference on I ntelligentMethodMAPE/(%)MEAgents, Web Technolo gies and Internet CommerceSOFNN1.7850.04(CIMCAIA WTIC 05). 20051.5941.95[ 6] Tao X. Input dimens ion reduction for load forecastingEUNITE1.9550-60based on support vector machines [C]. Hong Kong82004 IEEE International Conference of Electric U til yderegulation, res tructur ing and pow er technolog iesMAPE ME20[7 Hsu CC. Dynam icall y Optim izing Parameters in SupportVector Regression An A pp licat io n of Electricity Load4结论Forecasting [C]. Haw aii: Proceedings of the 3 9thIlaw aii International Conference on System Sciences199918 Pan kratz A. Forecasting w ith Univariate Box-JenkinsModels [m. John Wiley sons, 1983SOFNN(1972-),,C1994-2012cHinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net

北京交通大学数字图像处理用c语言实现中值滤波均值滤波，阮秋琦教授课程，计算机学院

Android实现简单的圆形文本框

【实例简介】目前比较珍贵的一份资源了，可以使用它免费将DXF工程图文件转换为图片或者PDF格式。

【实例简介】里面为自己做的一字型编队控制仿真，均为m文件，助于对编队控制的理解

通过该Matlab程序可以求取用于描述图像纹理特征的灰度共生矩阵参数（能量、熵、惯性矩、相关性）。可以分别求取0,45°,90°,135°方向上的特征参数，同时可以求出这些特征参数的平均值与标准差。

C++实现K最邻近算法, 使用KD树来实现, 在面对大量数据时可以提高搜索效率. 代码干净, 整洁, 有注释, 可直接使用.

车载充电机（OBC）是新能源汽车必不可少的核心零部件，其市场规模随着新能源 汽车市场的快速增长而扩大。据相关数据分析，2016 年，电动汽车车载充电机市 场规模约 20 亿元，未来几年随着新能源汽车产量的逐年提升，预计到 2020 年 国内电动汽车车载充电机市场规模将达到 77 亿元。 本文将给大家介绍基于 TI C2000™ 微控制器的 3.3KW 车载充电机方案。此参考设计使用 C2000™ 微控 制器 (MCU) 和 LMG3410 来控制交错式连续导通模式 (CCM) 图腾柱 (TTPL) 无桥功率因数校正 (PFC) 功率级的方法。该电源拓扑采用氮化镓 (GaN) 器件， 从而提高了效率，并降低了电源尺寸。该设计支持用于提高效率的切相和自适应死 区时间，用于在轻负载下改进功率因数的输入电容补偿方案，以及瞬态时用于降低 电压尖峰的非线性电压环路。 交错式 TTPL PFC 拓扑结构是电动汽车充电器的设计的趋势，具有更高功率和更 高的功率密度。 C2000 MCU 是针对实时控制应用而优化的 MCU 系列之一。 快速优质的模数控制器可精确测量电流和电压信号，集成比较器子系统 （CMPSS）提供过流和过压保护，而无需使用任何外部设备。经过优化的 CPU 内核可以快速执行控制循环。 三角函数使用片上三角数学单元（TMU）可以加速 操作。 该解决方案还选择在 F28004x 和 F2837x 上使用控制律加速器 （CLA）， CLA 是协处理器可用于减轻 CPU 负担并在 C2000 上启用运行更快 的循环或更多功能

Hilbert-Huang希尔伯特黄变换(HHT)的Matlab实现，亲自验证代码可用，最全版本