基于排序交叉熵损失的时间序列早期分类研究

交叉熵方法应用于组合优化问题的求解，与小概率事件仿真的思想相同但又有差异。

机器学习——交叉熵python实现，基于TensorFlow，一般在机器学习做loss评估。

对于一个基于季节波动的时间序列模型来说，每一个时间点由两个要素确定 1>周期 ：由不同季节组成的一个单位 2>季节：最细的时间单位。 一般在季节要素上有相对固定规律的波定性，在周期要素上有线性或其他的

一个基于python flask技术的web应用，对往年数据ARIMA模型处理， 能提供3天，7天，15天预测数据，同时提供回看数据，登录，注册等功能

基于时间序列的PTN流量预测，王点点，宋海楠，随着5G网络的兴起，PTN网络成为承载4G\5G基站与核心网的主要传输承载网。5G的发展也对传输设备流量提出了新的挑战。为了降低成本同时

左右熵在自然语言处理领域有着广泛应用，但目前尚无有效方法实施大规模语料中海量模式的左右熵快速计算。提出了一种计算方法，对于某长度字串计算熵，首先按长度提取语料中的全部字串，使用外部排序和归并获取字串的

句子排序是多文档摘要系统中重要的任务之一，排序的质量将直接影响摘要的连贯性与可读性。当前基于时间的句子排序算法过度依赖文档的时间标签，通用性较差；基于大型语料库的句子排序算法训练过于复杂，排序质量不高

一个优化问题的交叉熵算法，杨乐好，，交叉熵方法(CrossEntropy)是近几年发展而来的一种启发式方法，在求解组合优化问题中显示出其简单有效的特点，本文将运用交叉熵方法(CE

针对以正态分布区间数为信息环境的多属性决策问题，提出了一种基于交叉熵和得分函数的决策方法。给出利用[3σ]原则将一般区间数转化为正态分布区间数的方法，提出正态分布区间数的交叉熵，熵等概念及相关性质。基

针对复杂图像的分割问题，提出一种基于生物地理学优化（biogeography-basedoptimization，BBO）算法的二维交叉熵多阈值图像分割方法。根据二维直方图斜分法得出交叉熵阈值选取公式