TokenInsight 2019 年 2 月份通证评级更新与调整

TokenInsight于2019年2月对三个项目进行了评级调整,AdEx从CC上调至CCC,SingularityNET从BB下调至B,WingsDAO从B下调至CCC。AdEx系统进入采用与改进阶段,SingularityNET技术进展严重延期,WingsDAO用户参与度极低。

640?wx_fmt=gif


TokenInsight 2019 年 2 月份通证评级:本次共调整评级项目 3 个。


640?wx_fmt=jpeg


评级调整


AdEx:CC→CCC

调级说明目前公司进入 AdEx 系统的采用与改进阶段,这个阶段包括大量的商业开发工作。随着 AdEx 系统使用率的提高,软件开发将受到市场需求和反馈的驱动。AdEx 在 2018 年展望稳定,公司路线图基本如期完成并及时更新,2018 年公司技术人员占比提升,并达成与 W3F 的合作。


SingularityNET:BB→B

调级说明在项目进展上,SingularityNET 白皮书原计划于 2018 年 7 月发布其 Beta 版本并与 12 月发布 1.0 版本,然而实际上 SingularityNET 目前仍处于 Alpha 版本,且官方预计的 Beta 版本发布时间延迟至 2019 年 2 月,整体技术进展延期严重。此外,该项目通证(AGI)的分布十分集中。


WingsDAO:B→CCC

调级说明目前 WingsDAO 的“落地产品”是一个预测其他项目众筹融资金额,以及预测其他项目的通证价格的平台,用户可以通过投票,预测通证的价格。但目前该平台的用户参与度极低,大部分项目的参与者人数不超过5人。


微信小程序:

Tokenin指数? Token白皮书? TIindex指数?


往日精选


向上滑动阅读更多

数字钱包行业安全性报告 | TokenInsight

JPM Coin— 货币非国家化的开端 | TokenInsight

2019 年第 8 周 DApp 影响力排行榜 | TokenInsight

区块链赋能供应链金融研究报告 | TokenInsight

区块链赋能电网系统研究初探 | TokenInsight

2019 区块链行业七大展望 | TokenInsight

通证分类白皮书|TokenInsight

2019年第3周DApp影响力排行榜|TokenInsight

分片技术研究报告(上)|TokenInsight

交易所行业2018年度报告|TokenInsight

Grin投资挖矿收益策略分析与指导|TokenInsight

【TokenInsight评级报告】TRON:评级由BB上调至BBB,展望稳定

2019年第2周DApp影响力排行榜|TokenInsight

2018 年游戏 DApp 行业生态报告 | TokenInsight

极危项目风险预警 | TokenInsight

2018 年 9-11 月娱乐与游戏应用行业简报

【TokenInsight 评级报告】Zcash:BB,展望:稳定,贴近监管让匿名币走上合规之路

大数据复盘 CDC——谁在说谎 | TokenInsight

BCH 暴涨背后:稳定币增发&场外法币入场 

TokenInsight | 支付行业简报

TokenInsight | 通用平台行业简报


引用TokenInsight数据的媒体


DApp生态周度盘点:EOS、TRON活跃用户数与上一期持平 ——搜狐

行业观察:去中心化交易所的破与立——中金在线

加密货币普遍反弹,股神巴菲特再批比特币是“吸引骗子”——新浪财经

说好的人人可以参与呢,闪电火炬却将伊朗比特币用户排除在外——今日头条

号称“比特币2.0”,Grin是否真材实料?——新浪财经

是否该挖 Grin?一文读懂 Grin 挖矿收益与早期投资策略——八宝饭

EOS被盗:自建节点导致链上数据同步时出现错误所致——巴比特

巨头瞄准加密资产,Facebook欲在印度市场推出稳定币——火星财经

BTC交易量暴跌90% 数字资产交易所熊市如何突围求生?——搜狐

Bibox&BIX:积极布局生态,团队低调却实力雄厚——陀螺财经

TokenInsight发布交易所体系与结果——cz_binance (Binance创始人)

核财经独家|ofo:钱荒之下入链 是技术赋能还是换道求生——核财经

 【BlockVC策略研究】交易所的天局与暗战(0610)——BlockVC


640?wx_fmt=jpeg

内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。过贝叶斯优化算法自动调参,提升了模型的预测精度泛化能力,适用于风电、光伏、负荷、交流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块混合神经网络结构的设计逻辑,调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验效果。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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