气动人工肌肉手臂的神经网络Smith预估控制

针对含时滞d的1关节气动人工肌肉(PAM)手臂,用三层递归神经网络(RNN),建立PAM手臂包含时滞的模型(即非线性Smith预估器),并超前d步预测PAM手臂的输出角度.将此超前d步的预测值作为反馈量,与设定值相比较得到的误差作为PID控制器输入量,实现Smith预估PID控制.同时每一步都用RNN模型当前时刻的输出值与PAM手臂当前时刻实际输出值之差的平方做为RNN权值的在线调整准则对RNN预测模型的权值进行在线调整,以自适应PAM手臂的不确定性和时变性.使用Matlab通过串口和研华亚当模块对实物PAM手臂进行控制,控制效果表明所提出的Smith预估PID控制算法比常规PID控制算法的性能有显著提高,证明所提出的算法是有效的和切实可行的.     

大数据时代计算机网络安全防范探讨

现阶段,随着我国信息技术的不断发展,大数据时代已经全面到来,给人们的生活以及工作带来了很大的方便.但是在大数据技术全面落实应用的过程中也体现出了一些问题,最受关注的当属计算机网络安全方面的问题,计算机网络安全问题的出现势必会对企业以及个人产生不同程度的影响,因此,对其安全防范方式进行探讨是非常有必要的.     

探讨计算机网络信息安全问题的成因及对策

随着计算机网络技术的进一步发展与应用,越来越多的安全漏洞及信息安全隐患暴露出来,使网络信息安全问题引起人们广泛关注.将具体分析计算机网络信息安全问题产生原因,并提出相对应的解决对策,以打造更为安全、稳定的网络环境.     

13CrMo^44钢高温蒸汽管道的焊接

从日本引进的１３ＣｒＭｏ＾４４属于低合金珠光体耐热钢,用于注蒸汽管道比２０钢性能更优,由于这咱钢材目前在我国石油行业应用较少,焊接过程中较易出现热裂纹 裂纹等缺陷,为此,在管道焊接施工前,进行了两种方案的焊接试验。试验结果表明：采取焊前预热、焊后保温和热处理工艺的方案,使焊缝区硬度有所下降,金相组织正常,从而得到性能较优的焊接接头。     

基于知识图谱和Bi-LSTM的推荐算法

目前现有基于模型的推荐算法多是将评分数据输入到深度学习模型中进行训练,得出推荐结果。其缺陷在于无法对预测结果进行可解释性分析。除此之外,无法有效地解决算法的冷启动问题。因此,本文提出一种基于知识图谱和Bi-LSTM的推荐算法,来有效解决算法的可解释性和冷启动问题。首先将获取到的数据集进行预处理,生成预编码向量,根据数据集结点的连接性,构建专业领域知识图谱。其次利用知识图谱的元路径提取技术获取到多条用户-物品路径信息,将其输入到Bi-LSTM中,在路径经过的各结点处加入一层注意力机制,目的是为了模型能够有效地获取到较远结点的信息。最后将多条路径的训练结果输入到平均池化层中,用以区分不同路径的重要程度,利用交叉熵损失函数对模型进行训练,从而得出预测结果。实验结果表明,与传统基于循环神经网络模型的推荐算法相比,该算法可有效地提升算法的可解释性以及预测准确性,并缓解算法的冷启动问题。     

基于互信息F统计量特征选择技术的地基气象云图分类

在地基气象云图的云状(云类)识别研究中,基于局部二值模式(Local Binary Pattern,LBP)描述子的特征选择技术由于它的简单性和有效性成为最通用的方法.然而,LBP特征的高维特性使得云状识别的性能和计算开销不能令人满意.为此,本文提出一种基于互信息构造的F检验统计量的LBP特征选择算法,可以实现高维LBP特征的有效降维,同时保证云状识别的准确性,极大减少了特征选择过程的计算开销.     

基于细粒度特征交互的推荐模型

随着电子商务的兴起,用户在网购的同时留下了大量的评论。用户评论通常包含丰富的用户兴趣和项目属性等语义信息,反应了用户对项目特征的偏好。近年来,许多基于深度学习的方法通过利用评论进行推荐,并取得了巨大成功。这些工作主要是采用注意机制来识别对评分预测很重要的词或方面。它们单一的从评论中提取特征信息,并通过用户和物品的特征交互得到预测分数。然而,过度的聚合可能会导致评论中细粒度信息的丢失。此外,现有的模型要么忽略了用户和项目评论的相关性,要么只在单个粒度上构建评论特性交互,这导致用户和项目的特征信息不能被有效而全面地捕获。针对上述问题,在本文我们考虑通过从评论的多个粒度捕获特征信息,然后为用户和物品进行多粒度下的特征交互,可以实现更好的评分预测和解释性。
为此,我们提出了一种新的用于评分预测的细粒度特征交互网络（FFIN）。首先,模型并没有将用户的所有评论聚合成一个统一的向量,而是将用户和物品的每条评论单独建模,通过堆叠的扩展卷积分层地为每个评论文本构建多层次表示,充分地捕获了评论的多粒度语义信息;其次,模型在每个语义层次上构建用户和物品评论的细粒度特征交互,这有效避免了单粒度交互导致的次级重要信息被忽略的问题;最后,由于用户的评论行为通常是主观且个性化的,我们没有使用注意力机制来识别重要信息,而是通过类似于图像识别的层次结构来识别高阶显著信号,并将其用于最终的评分预测。我们在6个来自Amazon和Yelp的具有不同特征的真实数据集上进行了广泛的实验。我们的结果表明,与最近提出的最先进的模型相比,所提出的FFIN在预测精度方面获得了显著的性能提升。进一步的实验分析表明,多粒度特征的交互,不仅突出了评论中的相关信息,还大大提高了评分预测的可解释性。     

安徽工科院校本科毕业生就业现状与对策研究

通过对安徽省3所具有代表性的工科院校的就业数据进行分析,结合文献资料和专家访谈分析安徽工科院校的就业特征.研究结果显示,就业专业对口比例较高,且集中在省内和邻近省份区域,制造、建筑、信息为三大就业行业.但同时面临着经济发达城市就业压力大、非工科专业就业指向性不强、薪资待遇与期望有落差的就业挑战,未来需要以"提高就业质量"为目标,从提高学生信息处理能力、缩短专业向职业转换的人才培养模式、多方联合全程打造学生就业能力3个方面来构建工科院校就业指导工作模式.     

基于Visual MODFLOW的某尾矿库地下水污染模拟

以甘肃省合作市某尾矿库库区作为研究区,应用Visual MODFLOW建立了地下水水流模型和溶质运移模型,模拟了4种特征污染物在尾矿库无防渗和尾矿库人工防渗层破损两种非正常工况下的运移情况。数值模拟预测了污染物的影响范围、超标范围和最大运移距离。由预测结果可知:污染物主要沿水流方向运移,对水环境的影响随时间逐渐增大;氨氮和总磷对水环境的影响较大,总砷和六价铬影响较小;两种工况中,尾矿库无防渗对水环境造成的影响更为恶劣。     

基于5G波段的V2V高速无线信道建模

高速移动的车车(Vehicle-to-Vehicle,V2V)信道与传统蜂窝系统的无线信道相比,其不同在于V2V无线信道的快速时变特性,主要体现在多径分量的快速变化、存在较大多普勒频移以及每条多径都具有动态生/灭特性。提出了一种高速无线信道建模方法,采用马尔科夫链模拟信道的动态生/灭特性,基于Nakagami分布仿真莱斯、瑞利等信道单径衰落,用抽头延时线模型完成高速多径信道建模。与传统无线信道建模方式相比,具有快速建模、动态改变和易于产生的特点,为高速移动无线接收机算法的开发奠定了基础。仿真结果表明,城市车内天线(UIC)信道多径数目最多,衰落最严重。