序列
關注創建者：禾幾先生 創建時間：2021-03-10
序列的視頻教程
1-28 基于MATLAB的針對LSTM的時間序列分析預測
基于MATLAB的針對LSTM的時間序列分析預測，可進行多步預測，其中訓練結果，測試結果，迭代過程，預測結果如圖。模型已調試完畢，替換自己的數據可直接運行。 購買后可下載視頻中的源程序文件。
￥15.9 1分鐘 13播放
查看
1-112基于matlab的多輸入多輸出時間序列預測
基于matlab的多輸入多輸出時間序列預測，案例采用兩輸入三輸出進行預測，即MIMO-MRI。程序已調通，可直接運行。 購買后可下載視頻中的源程序文件。
￥15.9 1分鐘 7播放
查看
化工新能源中的機器學習建模中的時間序列建模算法
直播大綱： 本課程主要介紹已經完成過的一些化工新能源系統或者器件的機理及機器學習建模案例，手把手教你用numpy實現機器學習的RNN/LSTM/GRU，并講解序列建模的seq2seq算法。 配備若干案例進行演示。
￥9.9 48分鐘 160播放
查看
序列的實例教程
擴展頻譜通信技術比傳統通信技術在發射端和接收端分別多了PN碼序列擴頻與解擴步驟，擴頻通信系統發射端利用PN碼序列拓展頻帶，利用寬帶信號傳輸信息，接收端使用相同的PN碼序列對已調制信號進行相關解調。由于PN碼序列處理的位置不同可以分為直接序列擴展頻譜、跳頻擴展頻譜、跳時擴展頻譜及線性調頻，這是擴頻通信的四種最基本的工作方式[4]。在這四種方式中，直接序列擴頻通信和跳頻擴頻通信在實際應用中很常用到，本文主要研究直接序列擴頻通信的工作方式。
（三）直接序列擴頻
偽噪聲系統利用偽隨機碼PN，與發射信號進行模二加運算，生成一偽隨機碼序列，將該序列擴展到十分寬的頻帶上，接著調制載波從天線發射出去信號[5]。在天線接收到擴頻信號后利用和發射端相同且碼速同步的PN碼序列對接收到的信號進行相關解擴，由于收、發端PN碼相同，可以解擴為窄帶信號，然后擴展加入高斯白噪聲的帶寬，噪聲功率降低進而減少對信號通頻帶內的干擾。直接序列擴頻系統由于抗干擾性十分強，被廣泛應用。
（四）直接序列擴頻系統構成部分
直接序列擴頻系統的構成如圖1所示，分別為信源、PN碼擴頻、BPSK調制、AWGN信道傳輸、BPSK解調、PN碼解擴、信宿。
信源部分：發送原始信號到信道中；
擴頻部分：主要是PN碼序列發生器，它產生的PN碼，與原始信號進行模二加運算生成偽隨機碼序列，然后發射到調制器；
調制部分：直擴系統采用BPSK調制載波；
解調部分：由于二進制相移鍵控是以未調制載波的初相位作為參考，所以要求接收端要有與之同頻同相的本地載波；
解調部分：與發端相同的PN碼；
信宿：接受已恢復的原始信號。
（五）直接序列擴頻的PN碼序列
由于M序列具有優良的自相關特性，所以它被認為是一種重要的擴頻碼序列（PN碼序列）。
展開 今天又是一篇Transformer梳理文章，這次應用場景是時間序列預測。Transformer的序列建模能力，讓其天然就比較適合時間序列這種也是序列類型的數據結構。但是，時間序列相比文本序列也有很多特點，例如時間序列具有自相關性或周期性、時間序列的預測經常涉及到周期非常長的序列預測任務等。這些都給Transformer在時間序列預測場景中的應用帶來了新的挑戰，也使業內出現了一批針對時間序列任務的Transformer改造。下面就給大家介紹7篇Transformer在時間序列預測中的應用。
1
Autoformer
論文題目：Autoformer: Decomposition Transformers with Auto-Correlation for Long-Term Series Forecasting（NIPS 2021）
下載地址：https://arxiv.org/pdf/2106.13008.pdf
Autoformer是Transformer的升級版本，針對時間序列問題的特性對原始Transformer進行了一系列優化。模型的整體結構如下圖，核心是Series Decomposition Block模塊和對多頭注意力機制的升級Auto-Correlation Mechanism。這里推薦想詳細了解Autoformer細節的同學參考杰少的這篇文章：當前最強長時序預測模型--Autoformer詳解，整理的非常全面深入。下面給大家簡單介紹一下Auroformer的各個模塊。
第一個模塊是Series Decomposition Block，這個模塊主要目的是將時間序列分解成趨勢項和季節項。在最基礎的時間序列分析領域，一個時間序列可以被視為趨勢項、季節項、周期項和噪聲。
展開 非線性時間序列分析及其應用
作者：王海燕，盧山 著
出版社：科學出版社
出版日期：2006-11-1
ISBN：7030180356
字數：230000
印次：1
版次：1
紙張：膠版紙
定價：30 元當當價：23.7 元節省：6.30 元鉆石vip價：23.70 元
共有顧客評論0條
內容提要
本書以來自于確定性非線性系統的觀測或實驗時間序列為研究對象，在對問題的背景和意義進行分析的基礎上，根據目前國內外關于單變量非線性時間序列分析的相關文獻，總結了單變量非線性時間分析的基本流程，對單變量非線性時間序列分析的基本方法進行了詳細綜述。由于實際問題中常常可以獲得多變量時間序列，本書把單變量非線性時間序列分析方法推廣到多變量非線性時間序列的情形，著重研究了基于多變量時間序列的系統非線性性檢驗方法、多變量時間序列相空間重構方法和多變量非線性時間序列的預測方法等，最后把這些方法應用到證券市場的指數時間序列中。
本書自成體系，可作為系統工程、管理科學、金融工程、應用數學、生物醫學工程、信號處理等專業高年級本科生、研究生和從事相關領域研究的科技工作者的參考書。
展開 ISBN：7030180356
字數：230000
印次：1
版次：1
紙張：膠版紙
內容提要
本書以來自于確定性非線性系統的觀測或實驗時間序列為研究對象，在對問題的背景和意義進行分析的基礎上，根據目前國內外關于單變量非線性時間序列分析的相關文獻，總結了單變量非線性時間分析的基本流程，對單變量非線性時間序列分析的基本方法進行了詳細綜述。由于實際問題中常常可以獲得多變量時間序列，本書把單變量非線性時間序列分析方法推廣到多變量非線性時間序列的情形，著重研究了基于多變量時間序列的系統非線性性檢驗方法、多變量時間序列相空間重構方法和多變量非線性時間序列的預測方法等，最后把這些方法應用到證券市場的指數時間序列中。
本書自成體系，可作為系統工程、管理科學、金融工程、應用數學、生物醫學工程、信號處理等專業高年級本科生、研究生和從事相關領域研究的科技工作者的參考書。
展開 時間序列預測是數據分析的一個關鍵方面，其應用范圍從金融市場到天氣預報。近年來，支持向量回歸 （SVR） 因其處理非線性關系和高維數據的能力而成為一種強大的時間序列預測工具。 在本項目中，我們將深入研究使用 SVR 進行時間序列預測，特別關注預測未來 10 個月的電力生產。
支持向量回歸
支持向量回歸 （SVR） 是 SVM 中的一種監督學習技術，旨在在高維特征空間中找到最適合訓練數據的超平面，并最大限度地減少回歸任務的預測誤差。SVR 是一種用于預測連續值的技術。在使用 SVR 進行時間序列預測時，它被視為回歸任務。
SVR 的工作原理是繪制最適合數據點的線條（在更簡單的情況下）或表面（在更復雜的情況下）。 回歸旨在根據一個或多個輸入特征預測連續目標變量。
在時間序列預測中，目標變量是時間序列的未來值（例如，未來日期的股票價格、未來時間步長的溫度）。SVR 作為一種回歸技術，學習一個模型，該模型將歷史時間序列數據（特征）映射到相應的未來值（目標變量）。
時間序列預測中 SVR 的輸出是一個連續值，表示時間序列的預測未來值。
支持向量回歸 （SVR） 的關鍵組成部分
超平面：在 SVR 中，超平面是最適合數據點的線（對于一維數據）、平面（對于二維數據）或超平面（對于多維數據），同時最大化邊距。margin 是超平面和支持向量之間的距離。它充當預測新數據點的決策邊界。
支持向量：支持向量是最接近超平面的數據點，它們決定了超平面的最佳序列。在 SVR 中，支持向量是落在預測函數（超平面）周圍一定邊距內的數據點。
內核函數： SVR 可以通過采用內核函數來處理特征之間的非線性關系。這些函數將輸入數據映射到更高維的空間，其中線性超平面可以有效地分離或近似數據。
展開 
序列的相關專題、標簽、搜索
序列的最新內容
Ansys Speos依托多軟件協同能力、非序列光線追跡、物理無偏渲染技術，完美解決上述痛點，實現AR HUD從部件設計到系統級驗證的全流程仿真落地。
基于Ansys一體化AR HUD仿真架構與軟件分工
本次AR風擋HUD仿真采用Ansys三大光學軟件協同作業模式，各軟件各司其職，數據無縫流轉，最終由Speos完成系統級集成與分析。
02/案例描述
本案例基于 OAS 光學軟件，通過序列與非序列光線追跡、光機一體化建模及多參數優化，完成菲林式投影燈光學系統全流程設計與仿真，實現高清晰度、低畸變、高均勻性的投影效果，為投影燈光學設計提供高效解決方案。
OAS基于表面的非序列光線追跡技術，采用蒙特卡洛原理追跡隨機分布的幾何光線或波動光束，以圖形化方式顯示光線、幾何體及分析結果。
軟件依據設定的參數，模擬紅外光線在長波紅外熱成像鏡頭中的傳播路徑，精確計算光線在各個光學表面的反射、折射情況。在追跡過程中，軟件實時采集光線與光學系統相互作用的數據，為后續分析提供全面的數據基礎。
芯片有唯一64位ID序列號，出廠前經過100%的測試校準，根據溫度誤差特性進行校準系數的擬合，芯片內部自動進行補償計算。為了簡化系統應用，芯片的ID搜索、測溫數據內存訪問、功能配置等均基于數字單總線協議(One Wire，OW)指令，上位機微處理器只需一個GPIO端口便可進行讀寫訪問。
默認運行 dlmid 即可返回 hostid，也可以通過 -t disk 參數獲取硬盤序列號，或通過 -t mac 參數獲取 MAC 地址。其技術價值在于防止許可證在未授權設備上被復用，從而增強授權安全性。
2. 許可證簽發工具（DLMSign）
DLMSign 使用產品公鑰對許可證文件進行簽名，確保其完整性與來源可信。典型命令格式為指定公鑰、供應商許可證路徑和客戶許可證路徑。
例如，在下圖所示的幾何結構中，梯形形狀（左圖）被近似為五個層的序列（右圖）：
增加截面層數可以提高仿真的精度，但代價是仿真時間的增加。
將結構劃分為若干層后，在每一層的傅里葉域中，麥克斯韋方程組被解析求解。這些傅里葉模式的波矢量被稱為 k 矢量。由于結構的周期性，僅允許存在離散的 k 矢量。
▲ 圖6：樣品A與B經SSA熱分級后的DSC升溫掃描曲線
研究團隊運用熱力學方程，計算出實際晶片厚度及亞甲基序列長度。
分析一：片晶厚度聚集度對材料剛度的影響 計算數據及圖7表明，樣品A內部厚度約為5.5 nm的厚片晶占比達61.2%。這種集中的厚晶片分布意味著分子鏈中存在大量較長的完美亞甲基序列，形成穩定的三維剛性網絡，賦予了樣品A較高的彎曲模量。
課程大綱
1
VirtualLab Fusion軟件介紹
光之數字模型平臺原理介紹
電磁場的表達形式
VirtualLab Fusion用戶界面的基礎操作
2
基礎知識簡介
干涉發生的條件
楊氏雙縫干涉實驗特性
激光邁克爾遜干涉--非序列追跡和參數掃描功能介紹
3
干涉測量系統建模
功率序列：
?Level shift - iML7278的特性：
DVDD工作范圍：2.6V～5.5V
VGH/VGL工作范圍：-20V～45V
高電平45V 低電平-20v 上升/下降時間200ns(MAX)
支持8-CH CLK,2-CH ST, 2-CH LC, VSSG
支持1個CLK輸入，4/6/8個CLK輸出
CLK N/1/2/3線預充
結構的配置
由涂層定義
涂層輸入
圖層序列的方向
中后圖層結構
圖層矩陣求解器
分層介質組件使用圖層矩陣電磁場解算器。該解算器在空間頻率域(k-domain)中工作。它包括
1. 每個均勻圖層的本征模解算器和
2. 匹配所有界面邊界條件的S-矩陣。
