值预测技术中基本值预测模型的功耗分析

值预测是通过推断执行来提高ILP的有效技术之一，但实现其预测模型的硬件成本和功耗却是制约它的两个主要因素。本文从实现值预测的底层电路入手，着重探究了启用值预测时功耗的主要来源，并从性能与功耗比率的角度对目前值预测中采用的几种预测模型进行了比较和评估。     

商业企业财务预测

财务预测系统主要面向中小型商业企业，它能够预测中小型商业企业财务状态的未来发展趋势。以及其他需要使用时间序列预测模型的待业和场合。系统提供了预测模型参数选择功能、整理数据模块、预测功能模块、图形模块、数据输出模块、出错管理块、保密模块等七大模块。预测过程实现了自动化。     

使用预测-校正模型优化网络流量预测的神经网络

针对基于传统BP算法的前向神经网络预测网络流量方法的不足,构建了一种二级的网络流量预测-校正模型。该模型具有较高的预测效率和峰值预测精度,在实际网络流量的预测中取得了良好的效果。     

智能经济预测软件的研制方法

该文论述智能经济预测分析软件的研制方法、组织结构和解决预策问题的对策。     

激光质谱中基于数据挖掘的激光输出功率预测技术研究

由于激光质谱系统逻辑结构复杂多样,激光输出功率是激光质谱系统进行的关键条件之一,提前掌握激光输出功率未来状态的发展趋势可为激光质谱系统运行决策提供重要依据,因此进行激光质谱系统激光输出功率的预测技术研究非常必要。采用M5预测模型、线性回归模型、向量机模型对质谱系统的激光输出功率历史数据进行了建模及预测分析,通过比较几个预测模型的预测误差及平均误差,结果表明M5预测模型的预测结果相对最优。通过对激光输出功率历史数据的分析及预测,确定了激光质谱系统激光输出功率的研究预测模型。     

分布式系统中预测的区间长度对调度效果的影响

现在分布式系统中调度组件包含了预测主机负载的算法。根据这些算法得出的结果,可以看出预测的区间长度会直接影响调度结果。为此,设计了一个模拟试验,获得了预测区间长度与调度结果之间的关系,对改进调度系统中预测算法提出了一些建议。     

某型导弹引信备件需求预测模型研究

准确的备件需求预测在备件库存管理中尤为重要,但是备件间歇性需求的特点以及需求的历史数据不足使得备件需求预测特别困难,在一些部门,导弹备件库存管理水平决定了设备如何使用和维修.为解决上述问题,建立一种新的预测方法,综合评价备件需求预测的自相关与解释变量的关系:通过回归分析确定由解释变量引起的非零需求,判别一个非零需求发生的原因,进而得到修正后的非零需求序列的预测结果,最后通过LTD估计,得到具体的非零需求预测值.通过理论分析以及实例结果均证明,改进方法在预测精度上优于其它方法,为导弹备件预测研究提供一定的参考与借鉴.     

支持MBAFF的H.264/AVC解码器运动矢量预测模块设计

分析了宏块自适应帧场模式(MBAFF)在P帧和B帧的帧间预测算法,提出了可行的数据组织结构和硬件实现方法.作为完整的解码器的一部分,其RTL代码已经完成了功能验证和仿真,证明该设计是行之有效的.     

模糊逻辑系统的非线性组合预测方法与系统误差分析研究

本文提出一种基于模糊逻辑系统的组合预测方法。其基本思想是利用模糊系统的万能逼近特性,采用模糊Taki Sugeno模型来进行非线性组合预测函数的φ（x）模拟。这种全新的组合预测方法不仅降低了构造非线性组合预测函数φ（x）的难度,而且使预测精度大大提高。     

一种基于人工神经网络在线学习的自适应预测方法

本文在分析和比较了传统预测方法的基础上，研究基于人工神经网络非线性映射的预测方法，针对一类缓变故障的预测问题，提出单样本在线学习的自适应预测算法，并用于柴油机故障预测和诊断。     

两次拟合灰色模型在中长期电力负荷预测中的运用

针对普通灰色预测模型在预测过程中当历史数据有较大波动时预测精度较差的问题，对两次拟合等维灰色预测模型进行研究，并对其进行改进，通过对华北某地区用电量的建模预测验证其有效性。两次拟合灰色预测模型是利用一次拟合的结果重新建模，经研究发现当历史数据有较大波动时，利用两次拟合灰色预测模型进行预测可以提高模型的精度。     

短期负荷预测系统中RBF组合模型的应用

本文利用RBF神经网络的非线性拟合能力,构建了基于RBF神经网络的组合负荷预测模型,应用于电力负荷预测系统的开发。试验证明：该模型的应用对负荷预测有较好的应用价值。     

基于示例的组合预测方法

本文提出了一种基于示例的组合预测方法，强调知识方法和数学方法的结合，提出了一种算法和组合预测框架，并结合实验数据讨论了预测结果，分析了不同预测方法的不足。     

基于模型的控制技术的进展

基于模型的控制技术的进展模型预测控制的想法可回溯到５０年代末，那时Ｒ．Ｅ．Ｋａｌｍａｎ（著名的卡尔曼滤波器）做了一个专门的计算机系统以预测控制回路未来的行为并相应地调整其参数。卡尔曼博士的调节器严格讲只是实验性的，但它引入了今日商售预测控制系统的几个...     

基于神经网络LAMSTAR的短线股票预测研究

股票预测在金融领域是一个重要的课题。LAMSTAR是一个用于存储、识别、比较和决策的网络系统。本文尝试开发一个关于短期股票预测的LAMSTAR网络应用程序,每一次预测都会从历史数据里获取股票特征,然后输入LAMSTAR网络。网络会自动检测各特征之间的多维非线性关系并编码,然后根据预测的趋势进行交易。本文提供了三个公司的预测结果,该预测结果非常有效。     

灰色预测参数模型新模式及其在电气绝缘故障预测中的应用

以灰色系统理论为基础, 研究电气绝缘故障诊断的灰色预测模型新模式及其应用. 建立了适用于电气设备绝缘故障诊断的一次拟合参数灰色预测的新模型, 并给出了新模式的建模过程, 提出将原始数据经弱化算子作用后进行一次指数平滑运算并对背景值进行改造的方法, 并以实例进行了检验, 结果表明该方法的可行性和有效性.     

基于真实历史反馈的自适应值预测器的设计与优化

乱序超标量处理器所能获得的指令级并行能力越来越有限,为了获得更高的指令并行性,必须增加更多的乱序执行和控制资源.随着处理器架构的变化,值预测技术能够在现有主流处理器微架构的基础上以更少的硬件开销,获得更高的数据并行性,进一步提升处理器的乱序执行性能.提出了一种基于真实历史反馈的上下文值预测器(RH-VTAGE),通过设置失效列表和预测精度表来控制反馈RH-VTAGE的预测精度,减少预测失效时的流水线恢复开销.同时,在值预测器的最后阶段增加了真实历史反馈的控制计数器,并设计了自适应置信度控制逻辑,针对不同类型的指令按概率对置信度进行动态调整.实际测试结果表明,相对于其他预测器,RH-VTAGE的整数程序预测性能没有明显提升,但是对于浮点程序性能最大提升31.2％.