DTWUJP(建平)来领分

zhengsb 2001-06-18 09:47:00

非常感谢阁下的热心帮助!!!!
注:本人一向言而有信

...全文

187 2 打赏收藏转发到动态举报

写回复

2 条回复

切换为时间正序

请发表友善的回复…

发表回复

DTWUJP 2001-06-18

打赏
举报

回复

谢谢，能帮上你的忙了吗？

zhengsb 2001-06-18

打赏
举报

回复

请马上来领分，我马上要下线了，要不然就要到明天了。

静态方法和单件模式具体区别在哪里？ [问题点数：60分，结帖人20040216] 不显示删除回复显示所有回复显示星级回复显示得分回复只显示楼主收藏取消关注关注20040216 20040216 本版等级：本版专家分：877

253-[springboot]企业内部订餐小程序(文档+源码)_kaic.zip

内容概要：本研究聚焦于基于天牛须搜索算法（BAS）优化极限学习机（ELM）的功率预测模型，提出了一种结合群体智能优化与快速学习算法的新型预测方法，并通过Matlab平台实现了完整的仿真与验证流程。该方法利用天牛群算法强大的全局寻优能力，对ELM模型的关键参数（如输入权重和偏置）进行自适应优化，有效克服了传统ELM因随机初始化带来的不稳定性和预测精度波动问题。研究涵盖了数据预处理、特征选取、模型训练、参数优化与结果评估全过程，适用于风电、光伏等可再生能源功率预测场景，显著提升了预测的准确性与鲁棒性。; 适合人群：具备一定机器学习与智能优化算法基础，从事新能源预测、电力系统分析或相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标：①解决可再生能源出力波动性强导致的功率预测精度低的问题；②提升ELM模型在实际工程应用中的泛化能力与稳定性；③为智能算法在电力系统预测领域的融合应用提供可复现的技术范例。; 阅读建议：建议读者结合Matlab代码深入理解算法实现细节，重点关注天牛群算法的搜索机制与ELM参数优化的耦合方式，可通过更换数据集或调整优化目标进一步拓展模型应用场景，并对比其他优化算法（如PSO、GWO）以评估性能优势。

132-基于Spring Boot的爱老助老服务平台(文档+源码)_kaic.zip

计算机毕业设计

7,789

社区成员

197,583

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章