基于EEMD与动态神经网络的短期负荷预测

针对网络入侵检测准确率偏低而误报率偏高的问题，提出一种融合卷积神经网络（CNN）与双向长短期记忆（BILSTM）网络的网络入侵检测方法。对Kddcup99数据集进行预处理，并分别使用CNN模型、BIL

电力负荷预测是电力系统规划的重要组成部分。为了使电力系统安全经济平稳的运行,由此特别需要精确的电力负荷预测方法。为了实现更好负荷预测方法,文中将经验模态分解(EMD)与新兴的电力负荷预测模型分形理论相

针对电力负荷数据的非线性和非平稳性特性，为提高短期电力负荷预测的精度，提出一种基于EMD-DA-LSSVM的短期用电负荷预测模型。首先，采用EMD分解短期电力负荷数据，获得互不耦合的IMF分量；其次，

考虑气象因素对负荷的影响,提出了一种模糊支持向量机SVM(Support Vector Machine)的短期负荷预测方法。首先选取预测日前4星期中差异评价函数小于给定经验值的已知日作为相似日学习样本

通过精确的电力负荷预测，智能电网可以提供比传统电网更高效、可靠和环保的电力服务。现实生活中，电力负荷数据往往存在着与历史数据较高的时间相关性，而传统的神经网络却很少关注它。近年来，循环神经网络（RNN

2020年IEEE虚拟现实国际顶级会议资料：基于卷积神经网络的动态场景视觉注意预测模型。在虚拟现实领域中，用户的注视信息可以被应用到很多不同的方面。目前虚拟现实中眼动追踪的解决方案主要是基于眼

基于动态递归神经网络的石油价格预测

神经网络在人口预测中的应用，是MATLAB代码，

利用已有年份相关数据对未来年份数据进行预测

本文是一篇神经网络预测股指的学术论文，供各位有需要的朋友下载使用。