基于慕课堂数据的学生学习行为分析

本文结合慕课堂线上学习数据与线下考试成绩,研究学生在线学习的行为表现与学习效果之间的关联性,所获得的信息能够体现出不同学生群体的特点以及不同学习维度的作用,从而提醒教师适时调整教学策略,持续改进,有助于教师改进教学方法,提高教学质量.     

浸渍剂和压紧系数对全膜电容器端部电场分布的影响研究

全膜电容器边缘处的电场畸变是影响电容器元件击穿的重要因素之一.为研究浸渍情况和压紧系数对全膜电容器电场分布的影响,对电容器端部进行建模,通过改变浸渍情况和压紧系数,计算不同参数下电容器端部的电场分布情况,结果表明:未浸渍情况下电场最大值集中在折边处两侧,浸渍情况下场强在折边圆弧处分布较为均匀.同时发现,在浸渍情况下增大压紧系数K可以明显改善全膜电容器端部电场的分布情况.     

基于堆叠稀疏去噪自动编码网络与多隐层反向传播神经网络的铣刀磨损预测模型

刀具磨损状态是机械加工过程中需考虑的重要因素之一.针对铣刀磨损的在线预测问题,建立了一种基于深度学习的铣刀磨损预测模型.首先,将采集到的铣刀切削时的振动信号进行小波去噪后,利用快速傅里叶变换和小波包分解等技术提取时域、频域及时频域上的特征参数,并根据相关性分析从中筛选出合格的特征参数合并为特征向量,以此作为堆叠稀疏去噪自动编码网络(SSDAE)的含噪样本.其次,利用特征后处理的方式对已经筛选出的特征参数进行单调不递减及平滑处理,并将其作为SSDAE的无噪样本来训练该网络.然后,将经过SSDAE降维后的特征向量作为多隐层反向传播神经网络(BPNN)的输入,以这些特征对应的实际铣刀的磨损量作为标签对该网络进行拟合训练.最后,对训练好的模型进行实验验证,通过测试数据集和人为加入噪声的测试数据集的对比,结果显示所提模型不仅具有较高的预测精度,还具有较高的鲁棒性.