CVsim是创建循环伏安（CV）模拟的程序。 它使用四阶Runge-Kutta方法找到从电极表面扩散到溶液中的电化学生成物质的浓度。 最多可以模拟9种电化学或化学React，最多可以模拟9种。 模拟多个循环，各种扫描速率，多个电子氧化还原React。 此外，它可以从各种仪器打开和打印简历。 它创建于2017年，是针对大学生的实验室练习的一部分。 该程序用Visual C＃重写。

接口模型允许推断任何 PFI 火花点火发动机的压力循环。 该代码使用一个库，该库允许您通过添加详细的热力学属性来解决分为两个区域（已燃烧和未燃烧）的燃烧室中的能量平衡。 在模型中，可以通过模拟 VVT 和 VVA（米勒循环、阿特金森循环）来改变气门正时。 如果发现自燃（爆震）条件，也可以在压力循环的下游建立，模拟尾气现象。

pytorch Pytorch_pytorch深度学习教程之循环神经网络

基于灰狼算法(GWO)优化门控循环单元(GWO-GRU)的时间序列预测。 优化参数为学习率，隐藏层节点个数，正则化参数，要求2020及以上版本。 评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。

wincc脚本，时间循环显示，例如在wincc画面中的高压和分闸时刻的循环显示

长短期记忆网络（LSTM，Long Short-Term Memory）是一种时间循环神经网络，是为了解决一般的RNN（循环神经网络）存在的长期依赖问题而专门设计出来的，所有的RNN都具有一种重复神经网络模块的链式形式。在标准RNN中，这个重复的结构模块只有一个非常简单的结构，例如一个tanh层。LSTM是一种含有LSTM区块（blocks）或其他的一种类神经网络，文献或其他资料中LSTM区块可能被描述成智能网络单元，因为它可以记忆不定时间长度的数值，区块中有一个gate能够决定input是否重要到能被记住及能不能被输出output。图1底下是四个S函数单元，最左边函数依情况可能成为区块的input，右边三个会经过gate决定input是否能传入区块，左边第二个为input gate，如果这里产出近似于零，将把这里的值挡住，不会进到下一层。左边第三个是forget gate，当这产生值近似于零，将把区块里记住的值忘掉。第四个也就是最右边的input为output gate，他可以决定在区块记忆中的input是否能输出 。LSTM有很多个版本，其中一个重要的版本是GRU（Gated Re

设计程序模拟先来先服务FCFS、最短寻道时间优先SSTF、扫描算法（SCAN）和循环扫描算法（CSCAN）的工作过程。

在delphi环境下实现的crc16校验。

源程序+ 数据集+ 实验报告 问题描述： 理解序列数据处理方法，补全面向对象编程中的缺失代码，并使用torch自带数据工具将数据封装为dataloader 分别采用手动方式以及调用接口方式实现RNN、LSTM和GRU，并在至少一种数据集上进行实验 从训练时间、预测精度、Loss变化等角度对比分析RNN、LSTM和GRU在相同数据集上的实验结果（最好使用图表展示） 不同超参数的对比分析（包括hidden_size、batch_size、lr等）选其中至少1-2个进行分析 ps：用户签到数据实验的难度会稍高一些，若在实验中选用，可酌情加分

随着我国电力行业的发展和对环境保护越来越重视,要求现代化电厂锅炉必须清洁、经济、高效运行。循环流化床锅炉是近十几年发展起来的新一代高效、低污染环保型锅炉。由于循环流化床锅炉燃烧的复杂性,就必须要求其具有较高的自动化程度。阐述了集散控制系统在循环流化床锅炉上的应用,针对循环流化床锅炉的特点提出了合理的改造方案并取得良好效果。