17大主链均狂跌国内项目却看涨, 本周不可不知的7组榜单 | 数据周榜

本周区块链市场多数主链和Token价格出现下跌,如Aurora跌幅高达7.7%,比特币和以太坊也分别下降0.5%和0.29%。然而,以太坊的新生合约数激增至194050个,平均网络传播时间降至0.79秒,利好开发者。智能合约用户量方面,YottaChain表现突出,Lambda增长强劲。

640?wx_fmt=jpeg

责编 | Aholiab

出品 | 优快云、amberdata.io、区块链大本营(blockchain_camp)

hi 艾瑞巴蒂!一周不见,营长又为大家奉上了最新的数据周榜


这一周链圈可谓是「一片红」,不过这个红指的不是牛市,而是几乎所有的主链和主要Token的价格都大幅下跌,最高跌幅竟然达到7.7%(Aurora)


除了NEO、Huobi Trade、ICON、Lambda等少数价值看涨外,连比特币和以太坊都都分别下降了0.5%和0.29%。持有的小伙伴要HODL住啊。


在以太坊方面,与上周相比,本周的新生合约数有所提升,达到194050个,而平均网络传播时间却有所下降,为0.79 secs(上周1.34 secs),对于以太坊开发者来说,这无疑是非常利好的消息。


那么,接下来我们就来看看各大主链、Token在本周的表现及排名情况吧~


走势「一片红」,投资需谨慎


下图显示了本周主链的综合排名:(点击图片查看大图)


640?wx_fmt=jpeg

(点击图片查看大图)


与上周相比,主链的在综合表现趋于稳定,Top 12的排名都几乎没有变化,除了Cardano下跌了一位。


值得注意的是,在排名前17的主链中价格均呈下降态势,最高跌幅为1.28%(Tezos),在之前的排行中,这种情况并不多见。


在Token的综合排名中,这一情况就表现的更为明显了:(点击图片查看大图)


640?wx_fmt=jpeg

(点击图片查看大图)


除了本周排名第二的UNUS SED LED有0.3%的小幅增长外,其余均呈下跌之势。



以太坊发币放缓,合约数量激增


与上周的1248个新代币数量相比,本周的以太坊发币数量呈放缓态势,新发布的加密货币数量为1199个,而新合约的数量却明显增加,达到194050个。


其他详细数据如下表所示:


640?wx_fmt=jpeg


在智能合约用户量方面,YottaChain这周增长抢眼,位居榜单第一。而上周排在第一位的Dai这周则下落一位,排在第二位。


除此之外,Lambda仍然增长强劲,这周蹿升至第三位,比上周提升了三位。其他排在本周Top的智能合约如下:


640?wx_fmt=jpeg


除了用户量,在交易量方面YottaChain仍然上升迅速,本周跃升至榜单第二,交易总量达26612。与此同时,P2 Token本周下降了4位,跌至榜单第六,总交易量为9101。


而排在第3位和第8位的IDAX Token和NOAHCOIN则是本周最新上榜的新秀。


640?wx_fmt=jpeg


在以太坊平台中,本周排在前三为的Token分别为Maximine Coin、Ambrosus和Lambda,而这三个Token的价格在本周却均呈现下降态势,如下表所示:


640?wx_fmt=jpeg


最后,咱们再来看看以太坊开发平台本周的综合表现:


  • Gas Price平均为13.92 Gwei;

  • 平均确认时间为27分10秒;

  • 平均交易数为7.7/秒

  • 交易类型中,仍以外部账户对合约站主流,比例约为7:3


详细数据图示如下:


640?wx_fmt=jpeg


以上就是本周的「数据周榜」的全部内容了,希望通过数据+图像展示的方式能让开发者和圈里的小伙伴对当周区块链领域及主流公链以太坊上的数据和加密资产的表现有直观的了解。


你还希望看到哪些数据和排行,赶紧留言告诉营长吧!


「区块链数据周榜」由优快云、区块链大本营(ID:blockchain_camp)、数字资产数据平台Amberdata联合打造,每周对主链及主要数字资产的表现及走向进行排名。

用数据说话,从「每周公链100强综合排行」、「每周数字资产综合排行」、「以太坊本周数据概览」、「以太坊Token排行」、「以太坊只能合约交易量排行」、「以太坊智能合约用户量排行」、「以太坊数据图谱」7个方面(未来还会加入更多主链进行对比),对这当周主链的表现及数据进行展示和分析。



640?wx_fmt=gif

推荐阅读:

猛戳"阅读原文"有惊喜哟smiley_12.png

老铁在看了吗??

提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
基于遗传算法的新的异构分布式系统任务调度算法研究(Matlab代码实现)内容概要:本文研究了一种基于遗传算法的新型异构分布式系统任务调度算法,并提供了Matlab代码实现。文章重点围绕异构环境中任务调度的优化问题,利用遗传算法进行求解,旨在提高资源利用率、降低任务完成时间并优化系统整体性能。文中详细阐述了算法的设计思路、编码方式、适应度函数构建、遗传操作流程及参数设置,并通过仿真实验验证了该算法相较于传统方法在调度效率和收敛性方面的优越性。此外,文档还列举了量相关领域的研究案例和技术应用,涵盖电力系统、路径规划、车间调度、信号处理等多个方向,体现出较强的技术综合性与实践价值。; 适合人群:具备一定编程基础和优化算法知识的研究生、科研人员及从事智能优化、分布式系统调度、电力系统、自动化等相关领域的工程技术人员。; 使用场景及目标:①解决异构分布式系统中的任务调度优化问题;②学习遗传算法在实际工程问题中的建模与实现方法;③为科研项目提供算法参考与代码复现支持;④拓展多领域交叉应用的研究思路。; 阅读建议:建议读者结合Matlab代码深入理解算法实现细节,重点关注适应度函数设计与遗传操作流程,并尝试在不同场景下调整参数以观察性能变化。同时可参考文中列出的相关研究方向进行延伸探索,提升综合应用能力。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值