本文介绍了一个电力系统短路故障数据集，包含四种故障类型：单相短路、两相接地短路、两相相间故障和三相相间短路。每类故障约1300个样本，数据记录包含三相电流(Ia,Ib,Ic)和电压(Va,Vb,Vc)的测量值。通过展示每类故障的两个样本数据，可以看出不同类型故障在电流和电压参数上表现出明显差异特征，这为故障分类和诊断提供了基础数据支持。

本文介绍了利用动态时间规整(DTW)技术预测航空发动机剩余使用寿命(RUL)的方法。基于NASA C-MAPSS数据集，通过Python实现数据处理流程：包括数据归一化、PCA降维、SVR平滑处理，以及DTW相似性计算。实验结果表明，该方法能有效预测发动机RUL，并通过RMSE、MAE等指标评估预测精度，最终输出预测结果和误差分析图表。相比深度学习，传统DTW方法在该任务中展现出良好性能。

摘要：本文介绍了基于MSCNN-LSTM-ATTENTION模型的齿轮箱故障诊断系统。该系统使用华中科技大学开源的HUST齿轮箱数据集，包含3种健康状态（正常、断齿、缺齿）和30种工况条件下的振动信号。通过多尺度卷积核、LSTM时序建模和注意力机制实现端到端智能诊断，平均准确率达95%以上。系统提供可视化分析界面，支持模型全生命周期管理，并给出故障维护建议，具有工程实用性强、可解释性高等特点。

本文介绍了一个基于深度学习的多模型光伏预测系统。系统采用SOLETE数据集，以1分钟间隔采集数据，采用前6行10列数据作为特征、第7行第10列作为标签的预测方式。实现了LSTM、GRU、CNN-LSTM、CNN-GRU和LSTM_transform五种模型，其中CNN-LSTM表现最优（MAE 16.07%，MSE 0.1367%，MAPE 39.57%），LSTM_transform次之。系统包

前言：所有图像和标签是一一对应，没有标签缺失。

本文基于招商银行A股数据（开盘价、最高价、最低价、收盘价），提出MSCNN_BiLSTM_Attention模型预测未来收盘价。相比CNN_LSTM_Attention模型，新模型在测试集上表现更优，MAE、MSE、MAPE等指标均有改善。研究提供Python代码、数据和运行视频，验证了模型有效性。

1.数据集介绍（每个文件夹装有一个类别的照片，文件夹名字为病害类别名字）6.Wheat powdery mildew（小麦白粉病），211张。4.Wheat midge（麦红吸浆虫病害） ，177张。8.Wheat sawfly（麦叶蜂病害），215张照片。9.Wheat scab（小麦赤霉病），118张照片。7.Wheat rust（小麦锈病） ,201张照片。2.Wheat aphid（麦蚜虫

摘要：本文介绍了一个手工标注的水稻病害检测数据集，包含稻瘟病、纹枯病等7种病害类型。数据集分为训练集（5522张图片及标签）、验证集和测试集（各378张图片及标签）。提供YOLOv8检测模型和完整数据集压缩包，同时也有二分类（健康/病害）版本可选。数据集通过LabelImg工具标注，制作不易，请尊重版权。具体数据集结构和标签格式详见文中说明，更多资源可通过提供的B站和CSDN链接获取。

摘要：该研究基于357组电力变压器油中溶解气体数据（H2、CH4、C2H6、C2H4、C2H2），对7种故障类型（包括正常状态）进行标签标注。使用Python的pandas库读取Excel数据，通过建立故障类型映射字典（如正常=0，低能放电=1等），将文本型故障类别转换为数值编码。最终生成包含标签的新数据集并保存为Excel文件。完整数据、处理代码和标注结果已打包提供。该处理方法为后续变压器故障诊

images文件夹里的train文件夹（631张照片）test文件夹（183张照片）val文件夹（91张照片）