中国科学院机构知识库网格
Chinese Academy of Sciences Institutional Repositories Grid
首页
机构
成果
学者
登录
注册
登陆
×
验证码:
换一张
忘记密码?
记住我
×
校外用户登录
CAS IR Grid
机构
沈阳自动化研究所 [5]
数学与系统科学研究院 [1]
过程工程研究所 [1]
采集方式
OAI收割 [7]
内容类型
专利 [2]
会议论文 [2]
期刊论文 [2]
专著 [1]
发表日期
2022 [1]
2020 [2]
2019 [1]
2018 [2]
2017 [1]
学科主题
筛选
浏览/检索结果:
共7条,第1-7条
帮助
条数/页:
5
10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
85
90
95
100
排序方式:
请选择
题名升序
题名降序
提交时间升序
提交时间降序
作者升序
作者降序
发表日期升序
发表日期降序
Covalent organic framework membranes for efficient separation of monovalent cations
期刊论文
OAI收割
NATURE COMMUNICATIONS, 2022, 卷号: 13, 期号: 1, 页码: 11
作者:
Wang, Hongjian
;
Zhai, Yeming
;
Li, Yang
;
Cao, Yu
;
Shi, Benbing
  |  
收藏
  |  
浏览/下载:22/0
  |  
提交时间:2023/02/24
一种区域电力市场多阶信用风险预警方法
专利
OAI收割
申请日期: 2020-05-22,
作者:
胡博
;
王忠锋
;
张涛
;
张宏宇
;
金鹏
  |  
收藏
  |  
浏览/下载:27/0
  |  
提交时间:2020/05/30
“互联网+”电力营销
专著
OAI收割
北京:科学出版社, 2020
作者:
胡博
;
王忠锋
;
喻海飞
  |  
收藏
  |  
浏览/下载:24/0
  |  
提交时间:2021/01/17
互联网
大数据
电力营销
一种基于SVM的电力用户信用风险预警方法及系统
专利
OAI收割
申请日期: 2019-11-15,
作者:
王忠锋
;
胡博
;
王浩淼
;
张朝龙
;
李力刚
  |  
收藏
  |  
浏览/下载:46/0
  |  
提交时间:2019/12/14
AN AUGMENTED LAGRANGIAN TRUST REGION METHOD WITH A BI-OBJECT STRATEGY
期刊论文
OAI收割
JOURNAL OF COMPUTATIONAL MATHEMATICS, 2018, 卷号: 36, 期号: 3, 页码: 331-350
作者:
Kou, Caixia
;
Chen, Zhongwen
;
Dai, Yu-Hong
;
Han, Haifei
  |  
收藏
  |  
浏览/下载:24/0
  |  
提交时间:2019/03/05
Nonlinear constrained optimization
Augmented Lagrangian function
Bi-object strategy
Global convergence
Research on Credit Risk Transmission and Simulation in the Regional Power Market
会议论文
OAI收割
Wuhan, China, July 25-27, 2018
作者:
Yu HF(喻海飞)
;
Liu, Zhiwei
;
Zhang, Chaolong
;
Hu B( 胡博)
;
Ge WC(葛维春)
  |  
收藏
  |  
浏览/下载:35/0
  |  
提交时间:2018/12/25
credit risk
regional power market
Inoperability Input-output Model
risk propagation
Research on early warning of electric power customers' credit risk based on SVM
会议论文
OAI收割
36th Chinese Control Conference, CCC 2017, Dalian, China, July 26-28, 2017
作者:
Wang ZF(王忠锋)
;
Hu, Bo
;
Zhang, Tao
;
Lv, Bo
;
Yu, Haifei
  |  
收藏
  |  
浏览/下载:45/0
  |  
提交时间:2017/11/15
SVM
credit risk
early-warning model
power market