暂无评论
很不错的一篇关于供应链方面的博士论文哦~~~
为了解决当下用电负荷预测精度不高，难以很好模拟实际用电负荷的分布情况而不能对未来的负荷数据进行合理预测的问题，实现了基于随机森林的分类模型、回归模型以及结合Weka的时间序列模型，对某省份的负荷数据进
基于时空特性RNN的用户位置预测研究，李泽捷，张健明，自2009年开始，大数据一词逐渐进入人们的视野。大数据是由数量巨大、结构复杂、类型众多数据构成的数据集合。来自通讯运营商的大��
支持向量机参数对支持向量机的性能有着重要影响，参数选择问题是支持向量机的重要研究内容。针对此问题，提出一种基于粒子群优化算法的支持向量机参数选择方法。实验结果表明，经粒子群优化算法优化的支持向量机回归
交通流量序列具有不平稳性、周期性、易受节假日等因素影响的特点，因此交通流量预测是一项困难的任务。针对交通流量序列的预测问题，设计了一种基于深度学习的交通流量预测模型。模型融合了卷积神经网络和长短时记忆
以修正常数模算法（MCMA）为基础，用变步长代替固定步长，提出一种新的变步长修正常数模算法（VSS-MCMA），并在此基础上提出一种基于均方误差判决引导（DD）的双模式盲均衡算法（DD-VSS-MCM
基于AP-RBF算法的电力负荷短期预测研究，刘海燕，李良祎，针对传统电力负荷短期预测方法存在的问题，利用最新智能无模型网络训练方法，提出了一种基于数据挖掘技术的径向基函数神经网络��
论文研究-基于SSA-ELM的大宗商品价格预测研究.pdf, 随着经济全球化的发展，国际期货市场中各大类大宗商品价格波动
为了提高软件缺陷预测的准确率，利用布谷鸟搜索（cuckoosearch，CS）算法的寻优能力和人工神经网络（artificialneuralnetwork，ANN）算法的非线性计算能力，提出了基于CS
针对城市道路交通拥堵预警问题，提出了一种基于深度学习的预测模型。通过归纳合并交通流参数、环境状态、时段等基础数据来构建交通流特征向量并确定四种预测状态。采用深度学习的自编码网络方法从无标签数据集中学习
暂无评论