htm

摘要： Introduction: Menopause is poorly documented in Africa. For most of the women living there, the experience of this period does not seem to be very problematic. For women living in rural areas, other concerns are more prominent. Methods: The study was prospective, quantitative and qualitative about 500 cases collected over a period of 6 months. The study involved postmenopausal women in the Niamey region of public services, in certain residential areas, or accompanying people in health structures. Parameters taken into account were sociocultural, antecedents, experience, knowledge, and management of menopause. The data was entered and analyzed using Microsoft Office Word 2010 and Microsoft Office Excel 2010 software. Results: The average age was 56.4 years with extremes of 40 and 80 years;57% were still living with their husbands and 39% widows;60.2% housewives;53% uneducated, 17% have higher education;60.2% had had at least 6 children and 39.6% had used contraception. The comorbidities observed were arterial hypertension (24.4%) and diabetes (7%). As for the representation that women made of menopause, for all of them, this stage is the beginning of old age. The most frequent signs were asthenia (86.2%) and mood disorders (70.6%). Almost all of the patients (99.8%) had not used hormonal treatment for the menopause and among them 27% the management of the menopause was with traditional means. Conclusion: Menopausal disorders are certainly a reality in our socio-cultural context. They are not a primary concern either through ignorance or resignation of the women concerned.

摘要： Real-time anomaly detection of massive data streams is an important research topic nowadays due to the fact that a lot of data is generated in continuous temporal processes. There is a broad research area, covering mathematical, statistical, information theory methodologies for anomaly detection. It addresses various problems in a lot of domains such as health, education, finance, government, etc. In this paper, we analyze the state-of-the-art of data streams anomaly detection techniques and algorithms for anomaly detection in data streams (time series data). Critically surveying the techniques’ performances under the challenge of real-time anomaly detection of massive high-velocity streams, we conclude that the modeling of the normal behavior of the stream is a suitable approach. We evaluate Holt-Winters (HW), Taylor’s Double Holt-Winters (TDHW), Hierarchical temporal memory (HTM), Moving Average (MA), Autoregressive integrated moving average (ARIMA) forecasting models, etc. Holt-Winters (HW) and Taylor’s Double Holt-Winters (TDHW) forecasting models are used to predict the normal behavior of the periodic streams, and to detect anomalies when the deviations of observed and predicted values exceeded some predefined measures. In this work, we propose an enhancement of this approach and give a short description about the algorithms and then they are categorized by type of pre-diction as: predictive and non-predictive algorithms. We implement the Genetic Algorithm (GA) to periodically optimize HW and TDHW smoothing parameters in addition to the two sliding windows parameters that improve Hyndman’s MASE measure of deviation, and value of the threshold parameter that defines no anomaly confidence interval [1]. We also propose a new optimization function based on the input training datasets with the annotated anomaly intervals, in order to detect the right anomalies and minimize the number of false ones. The proposed method is evaluated on the known anomaly detection benchmarks NUMENTA and Yahoo datasets with annotated anomalies and real log data generated by the National education information system (NEIS)1 in Macedonia.

摘要： 软件版本：5．0．1软件大小：8．3MB软件性质：免费软件适用平台：Android下载地址：httP：／／shouji.baidu．com／software／23165969．

摘要： 软件版本：3．1．6软件大小：34．8MB软件性质：免费软件适用平台：Android下载地址：httP：／／shouji．baidu．com／software／23154196．

摘要： 《中国农业百科全书》修订编撰工作领导小组第一次工作会议在北京召开。http：//www．moa．gov．cn／zwllm／zwdt／201708／t20170802—5766743．

摘要： 以街头风格为特色的耐克Flyknit Chukka最初创建于2013年，是HTM系列的一部分——HTM系列是由耐克首席执行官马克·帕克、耐克传奇设计师廷克·哈特菲尔德和时尚教父藤原浩共同参与的一个持续性合作项目。

摘要： HTM代表着fragment design创始人藤原浩、耐克创意概念副总裁汀克·哈特菲尔德以及耐克公司总裁兼首席执行官马克·帕克。由这三个人名字首字母组合成了HTM缩写，而HTM也在不断探索耐克设计的全新概念，经常使用当下最前沿的科技并为未来的应用埋下伏笔。

摘要： 虽然自适应采样值补偿(SAO)滤波器能有效提高视频的主客观质量,但是SAO编码参数存在大量冗余,导致其不能适用于低比特率环境.因此,提出了一种基于时域相关性的自适应采样值补偿算法.通过率失真代价来选择当前帧是否复用最近已编码帧的SAO编码参数,并为每一帧设置一个标志位来标识是否复用.实验结果表明,与HTM原始SAO滤波器算法相比,该算法在主观质量和复杂度基本不变的情况下,3个视频分量的BD-rate平均分别减少1.06％、1.10％和0.99％.因此,所提出的算法能很好地改善SAO的性能.

摘要： XML是一种标记语言,它的标记可以由用户根据需要来定义自己的标签和自己的文档结构,这样就形成了用户自己独有的标记语言,因此,同样的数据能根据不同用户的需求以不同的效果、不同的形式表现出来,正是利用XML的这一特性,基于XML技术的学科知识表示,使它更便于教师进行加工,形成个性化的学习环境.

摘要： HTML诞生到现在已经有几十年的历史，网页经历从简单到复杂的过程。在发展过程中，HTML语言和网页设计都在随着时代不断更新，但是不论如何更新，它都是围绕着可用性的原则变化的。可用性的宗旨是服务于用户，以前还出现过可用性和网页视觉设计的理念相冲突。文章主要针对HTML网页发展的可用性进行探析。

摘要： 本公开涉及一种基于HTM算法的异常检测方法、装置及设备，该方法包括：通过预先启动的Http Server服务收取时序数据；利用HTM算法建立实时检测模型，通过实时检测模型对时序数据进行异常检测处理，得到异常检测结果；具体包括：对时序数据进行编码，得到编码数据；对编码数据进行数据的空间池化，得到池化后数据；根据序列记忆对池化后数据进行处理，得到序列变化后数据；根据池化后数据和序列变化后数据进行误差预测，得到预测值；利用高斯Q函数对预测值进行处理，得到目标异常值；根据似然函数对目标异常值进行归一化处理，得到异常检测结果。本公开在大数据环境下能够较好地满足异常检测的要求。

摘要： 本发明涉及高温－聚合物－电解质－膜(HTM)燃料电池,具有HTM燃料电池的系统和驱动HTM燃料电池和/或HTM燃料电池系统的方法。本发明根据已知PEM燃料电池的原理并且克服了这种电池的主要缺点,即对电池中水含量的依赖性,而是通过选择一种新型的电解质和通过改变工作条件,尤其是温度和压力而实现的。

摘要： 本发明公开了一种HTM机孪生数字确定目标设定值的方法、装置、HTM机及计算机可读存储介质，通过获取当地的天气预报信息，筛选数据库中与所述天气预报信息匹配的历史能耗工况参数数据形成预存数据表并根据所述预存数据表筛选与HTM的负载能耗相同和相近的历史能耗工况数据并生成孪生数据表并保存本地，确认所述孪生数据表内HTM机的热效率值最高对应的历史能耗工况参数数据作为所述天气预报信息对应的预测数据；实现了基于HTM机所在位置的天气预报信息和负载能耗信息自动寻找数据库中与之匹配的能耗工况参数作为本地HTM机未来时间的工况参数的功能，这样能够提前预知工况，方便供热处根据该工况参数实现预先安排供热，起到节约能源、降低成本的效果。

摘要： 本发明涉及一种高温膜燃料电池的电解质,一种高温膜燃料电池和燃料电池组的操作方法。电解质含有磷酸,其正常凝固点为42°C,通过添加至少水作为添加剂,而使之降低,例如在移动电话中应用这种燃料电池所要求的,可以实施以必要的起动/停止的方式操作燃料电池。

摘要： 本发明提供了一种基于HTM的车载CAN网络异常检测方法和系统，包括：获取车载CAN网络在车辆行驶过程中产生的各种CAN报文；对获取的报文ID序列进行预处理，再经稀疏化生成稀疏的二进制向量；利用HTM算法对输入的稀疏化的二进制向量进行学习，依据当前时刻的输入数据生成下一时刻的预测值，再将实际输入的报文与预测结果进行比对，比较两者差异，并进一步换算成异常值；设定异常阈值，判断异常值是否大于异常阈值，决定是否声明异常。本发明能够发现细微的车载CAN网络的流量变化，从而能够及时发现恶意攻击行为，具有较高的灵敏度，同时对车辆资源消耗较少，便于实际应用。

摘要： 本发明公开了一种基于局部敏感哈希的HTM序列数据分析系统及方法。设计了基于局部敏感哈希算法的空间池微柱激活策略以改进现有HTM空间池多次迭代的训练方法。利用局部敏感哈希算法为输入数据建立哈希索引并据此快速选择活跃微柱，加快空间池SDR表征学习的速度，减少查找活跃微柱全局搜索的时空开销，同时局部敏感哈希函数的特性也增强了HTM抗噪性，保证HTM模型处理序列数据的高效性和实用性。本方法能够有效解决现有HTM在处理序列数据时训练耗时久，全局、线性搜索导致时间开销大的问题。

摘要： 本发明公开了一种面向多路服务器负载数据的HTM预测分析方法，使得HTM能够对多路服务器负载数据进行并行训练，扩展了系统能够处理的数据序列类型。系统通过编码散列了服务器负载数据的空间特征，通过空间池训练形成了服务器负载数据的微柱稀疏分布表征，借助于序列状态缓存模块，能够正确获取负载数据所属服务器的上下文环境，通过时间池训练的对每一个服务器负载数据模式进行抽取和记忆，为后续的预测分析提供所属的上下文环境支持。本发明提出的序列状态缓存机制，记录了每一个服务器负载数据序列的上下文环境信息，能为每一个负载数据提供上一时刻正确的上下文环境，使得HTM可以对多路服务器负载数据进行并行训练。

摘要： 本发明公开了一种面向服务器负载数据的HTM高效异常检测方法，提高了HTM面对海量服务器负载数据时的训练效率，增加模型的在线工作能力。系统通过编码散列了服务器负载数据的空间特征，通过空间池训练形成了服务器负载数据的微柱稀疏分布表征，借助于基于活跃微柱的时间池训练，对服务器负载数据模式进行抽取和记忆，为后续的异常判定提供上下文环境的支持。本发明提出的基于活跃微柱的时间池训练算法，延迟了预测功能发生的时间，缩小了预测的范围，大幅度提高了系统的训练速度，同时提出的学习细胞生成规则，能够让时间池训练算法不仅可以对历史模式进行强化记忆，而且对当前时刻的数据模式也能形成有效记忆。

摘要： 本公开涉及一种基于HTM算法的异常检测方法、装置及设备，该方法包括：通过预先启动的Http Server服务收取时序数据；利用HTM算法建立实时检测模型，通过实时检测模型对时序数据进行异常检测处理，得到异常检测结果；具体包括：对时序数据进行编码，得到编码数据；对编码数据进行数据的空间池化，得到池化后数据；根据序列记忆对池化后数据进行处理，得到序列变化后数据；根据池化后数据和序列变化后数据进行误差预测，得到预测值；利用高斯Q函数对预测值进行处理，得到目标异常值；根据似然函数对目标异常值进行归一化处理，得到异常检测结果。本公开在大数据环境下能够较好地满足异常检测的要求。

摘要： 本发明公开了一种基于HTM的物流仓库异常情况实时监测系统及其设计方法。随着互联网技术、多媒体技术、传感器技术与机器学习技术的发展，为仓储管理、仓储安全防范和自动化管理提供了强有力的技术保障。通常物流仓库的安防系统可以实现对室内湿度、温度、烟感、气压、红外对射、感应电缆等多种传感器的接入和报警管理。本发明针对物流仓库异常情况的监测时效性问题，引入了一种基于HTM的物流仓库异常情况实时监测系统及其设计方法，以完成对物流仓库的异常情况提前预警的效果。本发明利用了HTM在时序预测方面的可在线学习与运行效率高的优点，结合了HTM预测模块与非线性逻辑回归模块，给出下一时刻的异常情况评估分数，进而根据异常指标判断物流仓库是否将会发生异常情况。本发明所提供的的方案，利用HTM机器学习训练模型，降低了物流仓储系统的存储压力，减少了物流仓储的运营管理成本，具有较高的实用性。