基于大数据的五年制高职护生在线学习行为要素研究

在线学习已逐渐成为高职院校一种重要学习形式,该领域也成为当前研究热点之一。对在线学习进行介绍,同时对大数据技术在在线学习平台中的应用进行分析,重点对五年制高职护生在线学习行为要素进行研究分析,为更好地开展在线学习评价提供参考,促进高职院校更好地开展在线学习,提高在线学习质量。     

大数据时代大学生个人隐私保护问题研究

伴随着互联网+的风生水起,信息量暴增的大数据时代应运而来,"网络原住民"大学生不可避免、理所当然地处于大数据洪流之中,但也为其个人隐私保护带来了极大挑战。文章针对大数据带来的安全隐私问题,指出大学生个人隐私泄露的可能原因,提出可以采取的个人隐私保护措施,给出大数据时代隐私保护几种技术,期望能给相关人士提供有效参考。     

某风电工控网络安全防护设计

本文通过对某风电公司的风电场和集控中心的横向边界防护和综合安全防护现状分析后,按照能源局36号文附件4《发电厂监控系统安全防护方案》的要求,从横向边界防护、入侵检测、监测与审计、主机与网络设备、应用安全控制、安全管理等方面进行安全防护设计。该设计已在辽宁某风电公司进行了应用实施,经过近半年的运行情况来看,具有很好的网络安全防护效果,因此在风电行业具有很高的推广应用价值。     

基于模拟退火优化BP神经网络的变形监测数据预测方法

针对BP神经网络模型用于变形监测数据处理时容易陷入局部极小值并且收敛速度慢的问题，提出一种基于模拟退火(Simulated Annealing,SA)算法优化BP神经网络的建筑物变形预测方法，利用SA的全局寻优能力对BP神经网络的模型参数进行优化，使参数迭代过程始终保持较高的“温度”和“能量”，从而确保BP神经网络能够得到全局最优解的同时具备较高的预测精度和收敛速度。采用实际算例对所提SA-BP方法在低信噪比和小样本条件下的预测精度进行验证，结果表明所提方法相对于传统BP神经网络法和小波方法能够获得更高的预测精度，并且在小样本和低信噪比条件下优势更加明显。     

基于BP神经网络的线损不良数据辨识及其预测

电能在输送过程中产生的大量损耗会大大提高电网的运营成本,同时海量的电网数据中往往包含错误数据,对线损计算及预测有严重影响。针对该问题,提出一种基于BP神经网络的不良数据辨识模型,可以有效辨别线路数据中的不良数据,并进行剔除。剔除不良数据后,再利用BP神经网络对线损进行预测。以宿迁市某变电站数据为例,验证了该模型的适用性。     

基于变形热效应条件下30CrMo钢的流变行为研究

在应变速率分别为0.1、1.0和10.0 s-1,应变温度分别为373、573和773 K条件下,对30Cr Mo钢进行压缩试验。通过获得的流变应力数据发现,随着应变速率的增加,应力存在着一定程度的软化现象,说明材料内部存在着变形热效应。在考虑变形热效应的情况下,对流变应力数据进行了修正。通过微观组织观察发现,试样内部存在着因变形热效应引起的动态再结晶,验证了数据修正的必要性。     

我国制造业模具人才培养现状和实际需求调研分析

我国制造业近年来的发展成就斐然,模具作为装备制造的基础,其重要性愈发明显,对人才的需求也愈发突出,选择典型地区相关高校对应专业的学生组织问卷调查,同时在全国众多模具企业中选择企业代表,对企业的人才需求进行调研分析,以期掌握当前我国制造业模具人才的培养现状。     

2020在线会议产品TOP30

2019年6月6日,工信部正式向中国电信、中国移动、中国联通、中国广电发放5G商用牌照,这标志着中国5G商用征程正式开启。作为新一代的信息技术,5G最显著的特点是大带宽、低时延、广连接,能实现高达10Gbit/s的数据速率、低至1毫秒的时延以及100万连接数/平方公里,由于5G的这些特性,意味着5G将连接万物.