数学建模与人工智能
  • 首页
  • 归档
  • 分类
  • 标签
  • 关于

风电光伏功率预测竞赛精华总结:技术解析与实战经验

@TOC 竞赛背景介绍1.1 新能源功率预测的重要性风电和光伏发电作为新能源的重要组成部分,由于其受天气和环境因素的强烈影响,具有明显的间歇性和波动性特征。准确的功率预测对于电力系统的稳定运行至关重要: 电网调度优化: 准确的预测能够有效应对新能源发电的波动性和不确定性,确保电网频率、电压、负荷平衡等关键指标的稳定 降低运营风险: 减少停电风险,提高电力系统的经济性和可靠性 合规要求: 电网公
2026-01-06
数学建模
#数学建模 #竞赛 #功率预测 #时间序列 #风电 #光伏

项目依赖的python包requirements.txt文件的生成与安装

https://github.com/QInzhengk/Math-Model-and-Machine-Learning@TOC 项目依赖的python包requirements.txt文件的生成与安装在使用python进行项目开发的时候常常会调用许多包,而这些包又是在不停的更新中的。因此,当前项目所需要的包的功能,在以后包的迭代中可能会被取代或者更新,从而导致在以后的某个时间重启项目的时候无法
2026-01-05
开发工具
#Python #pip #requirements.txt #依赖管理

通过GitHub Actions给微信公众测试号和钉钉群定时推送消息(Python)

@[TOC](通过GitHub Actions给微信公众测试号和钉钉群定时推送消息(Python)) https://github.com/QInzhengk/Math-Model-and-Machine-Learning简介GitHub Actions 是 GitHub 推出的持续集成服务。 在 GitHub Actions 的仓库中自动化、自定义和执行软件开发工作流程。 您可以发现、创建和
2026-01-05
技术笔记
#Python #GitHub #GitHub Actions #微信 #钉钉 #定时推送

超参数调优:网格搜索,贝叶斯优化(optuna)详解

@TOC 数据科学:Scipy、Scikit-Learn笔记LightGBM原生接口和Sklearn接口参数详解XGBoost原生接口和Sklearn接口参数详解网格搜索GridSearchCV 是一个在 scikit-learn 库中用于执行网格搜索(grid search)参数调优的方法。网格搜索是一种通过遍历预定义的参数网格来确定机器学习模型最佳超参数组合的技术。它对给定的参数值集合中的所
2026-01-05
机器学习
#机器学习 #超参数调优 #贝叶斯优化 #网格搜索 #Optuna

语音识别:PyAudio、SoundDevice、Vosk、openai-whisper、Argos-Translate、FunASR(Python)

@TOC PyAudioPyAudio 是 Python 中一个强大的跨平台音频 I/O 库。它基于 PortAudio 库(一个免费、跨平台、开源的音频 I/O 库),为 Python 提供了录制和播放音频流的接口。 核心功能 音频录制(输入): 从麦克风、音频接口或其他输入设备捕获音频数据。 音频播放(输出): 将音频数据发送到扬声器、耳机或其他输出设备。 实时音频流处理
2026-01-05
语音识别
#语音识别 #Whisper #Vosk #PyAudio #SoundDevice #FunASR

视觉识别:ffmpeg-python、ultralytics.YOLO、OpenCV-Python、标准RTSP地址格式

@TOC ffmpeg-pythonffmpeg-python 是一个用于操作 FFmpeg 的 Python 库,它通过 Python 对象和链式调用封装了 FFmpeg 的命令行参数。 核心概念 input():创建输入流 1input_stream = ffmpeg.input('input.mp4', ss=10, t=5) # 从第10秒开始,读取5秒 关键参
2026-01-05
计算机视觉
#计算机视觉 #YOLO #OpenCV #RTSP #ffmpeg #ultralytics

网络爬虫(Python:Selenium、Scrapy框架;爬虫与反爬虫笔记)

@TOC SeleniumSelenium是一个模拟浏览器浏览网页的工具,主要用于测试网站的自动化测试工具。 Selenium需要安装浏览器驱动,才能调用浏览器进行自动爬取或自动化测试,常见的包括Chrome、Firefox、IE、PhantomJS等浏览器。 注意:驱动下载解压后,置于Python的安装目录下;然后将Python的安装目录添加到系统环境变量路径(Path)中。 WebDrive
2026-01-05
网络爬虫
#笔记 #Python #爬虫 #Selenium #Scrapy #反爬虫

网络爬虫(Python:Requests、Beautiful Soup笔记)

@[TOC](网络爬虫(Python:Requests、Beautiful Soup笔记)) 网络协议简要介绍一。OSI参考模型 七层 功能 应用层 7 提供应用程序间通信 表示层 6 处理数据格式、数据加密等 会话层 5 建立、维护和管理会话 传输层 4 建立主机端到端连接 网络层 3 寻址和路由选择 数据链路层 2 提供介质访问、链路管理等 物理层 1
2026-01-05
技术笔记
#技术笔记

笔记-Python爬虫技术基础及爬取百度新闻

@TOC​ 1.1查看网页源代码F12弹出来的东西叫做开发者工具,是进行数据挖掘的利器,对于爬虫来说,只需要会用下图的这两个按钮即可。(1)选择按钮点击一下它,发现它会变成蓝色,然后把鼠标在页面上移动移动,会发现页面上的颜色机会发生改变。当移动鼠标的时候,会发现界面上的颜色会发生变化,并且Elements里的内容就会随之发生变化。(2) Elements元素按钮:“Elements”选项卡里面的
2026-01-05
网络爬虫
#笔记 #Python #爬虫 #Requests #百度新闻

笔记-pd.set_option()、warnings、np.set_printoptions参数详解

微信公众号:数学建模与人工智能 一、pd.set_option()pd.set_option() 函数用于设置 pandas 的各种显示选项。 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849import pandas as pd# 设置显示所有列pd.set_op
2026-01-05
数据科学
#笔记 #Python #Pandas #pd.set_option #warnings

深度学习面试笔试之迁移学习(Transfer)、强化学习(Reinforcement) & 多任务

@[TOC](深度学习面试笔试之迁移学习Transfer、强化学习Reinforcement& 多任务) 微信公众号:数学建模与人工智能13.迁移学习(Transfer)1. 什么是迁移学习迁移学习(Transfer Learning)是一种机器学习方法,就是把为任务 A 开发的模型作为初始点,重新使用在为任务 B 开发模型的过程中。迁移学习是通过从已学习的相关任务中转移知识来改进学习的
2026-01-05
深度学习
#深度学习 #面试 #迁移学习 #强化学习 #多任务学习

深度学习面试笔试之深度学习的优化方法

@TOC 1. 训练误差和泛化误差机器学习模型在训练数据集和测试数据集上的表现。如果你改变过实验中的模型结构或者超参数,你也许发现了:当模型在训练数据集上更准确时,它在测试数据集上却不⼀定更准确。这是为什么呢?因为存在着训练误差和泛化误差: 训练误差:模型在训练数据集上表现出的误差。 泛化误差:模型在任意⼀个测试数据样本上表现出的误差的期望,并常常通过测试数据集上的误差来近似。 训练误差的期
2026-01-05
深度学习
#深度学习 #面试 #优化方法 #SGD #Adam
123…9

搜索

Hexo Fluid
总访问量 次 总访客数 人