针对机器或设备的剩余寿命（Remaining useful life, RUL）预测精度低的问题，提出基于一维卷积神经网络（Convolutional neural network, CNN）和双向长短期记忆（Bidirectional long short-term memory, BD-LSTM）的集成神经网络模型。为了更好地抽取时间序列上的特征，以及产生更多的训练样本，采用滑动窗口对数据进行处理，同时采用卡尔曼滤波对数据进行降噪处理，将数据标准化以及设置RUL标签。与人工提取特征不同，利用一维CNN对数据进行特征提取，并舍弃了CNN中的池化层。然后将提取到的高维特征输入到BD-LSTM进行回归预测，并采用Bagging的方式对此神经网络进行集成来预测RUL。最后通过在NASA的数据集上验证该模型的有效性，以及相比于其他机器学习或者深度学习模型的优越性，实验表明所提模型在RUL预测方面更加准确

➢ （一）SCIENCE DIRECT数据库浏览 ➢ （二）SCIENCE DIRECT数据库检索 ➢ （三）检索式的保存和调用

• 11.1 NoSQL简介 • 11.2 NoSQL兴起的原因 • 11.3 NoSQL与关系数据库的比较 • 11.4 NoSQL的四大类型 • 11.5 NoSQL的三大基石 • 11.6 从NoSQL到NewSQL数据库 • 11.7 文档数据库MongoDB

2.1零售商店管理信息系统数据表结构设计 2.1.1基础数据记录表结构设计 2.1.2基础数据记录表间关系设计 2.1.3辅助数据记录表结构设计

地理信息系统的数据源是指建立地理信息系统数据库所需要的各种类型数据的来源。 地理信息系统的数据源是多种多样的，并随系统功能的不同而不同，主要包括以下各种：

一、学习 Access 22003数据表视图中的各项操作方法 二、掌握在数据表视图中进行各项数据编辑的操作方法 三、理解关于数据排序、数据筛选等操作的含义

一、了解GIS的数据采集方式 二、掌握地图数字化的方法、步骤 三、掌握地图数据的各种处理方法 四、理解属性数据编码的深刻含义 五、了解空间数据的压缩处理的方法及优缺点

一、 数据层次与文件组织 二、空间数据库 三、传统数据库模型 四、面向对象数据库系统 五、 数据管理设计

在实际问题中,一组数据往往具有不同的数据类型 例如,在学生登记表中,姓名应为字符型;学号可 为整型或字符型;年龄应为整型;性别应为字符型; 成绩可为整型或实型。因为一个数组中只能存放同 一种数据类型的数据,故不能用一个数组来存放这 一组数据;如单独定义为互相独立的简单变量,难 以反映它们之间的内在联系

一、中文数据库简介 二、《中文社科报刊篇名数据库》 三、《人大复印报刊资料》系列数据库 四、《万方数据资源系统》