组态化控制在电除尘器中的设计及应用

结合组态化控制在电除尘系统中的应用情况，介绍了组态化控制的特点、设计及其取得的良好效果。     

高校科研能力的协同IWD粗糙集-块神经网络评估模型

针对高校科研能力评估过程中存在的多因素、高非线性特点,经典评估模型主观性较强,导致模型评估准确性不高的问题,提出基于协同智能水滴算法IWD和粗糙集块神经网络RBNN的高校科研能力评估模型。首先,引入智能水滴算法,并针对传统智能水滴算法固定旁域搜索范围不利于提升算法搜索效率的问题,提出一种局部空间自动缩放算法LSAS,该算法根据当前种群最优个体,自动调整下一步搜索空间大小,对进化过程进行指导,提高算法的进化效率;其次,基于粗糙集理论对高校科研能力数据进行特征预处理,简化数据计算量;最后,对块神经网络和粗糙集参数进行编码,并对高校科研能力模型进行评估。仿真结果表明,此评估模型具有较高的准确性和较快的计算效率。     

公共元素模型数据类型的XML Schema描述

AI-ESTATE标准中采用EXPRESS语言对其诊断知识进行描述,但EXPRESS不是程序设计语言,导致采用EXPRESS语言描述的诊断知识难以用程序设计实现,为诊断知识的共享和重用造成了一定困难;XML语言以其良好的灵活性、可读性和可扩展性,为信息交换带来了很大的方便,将EXPRESS语言映射为XML Schema,对诊断知识的共享意义重大.首先,分析了EXPRESS语言和XML Schema的数据类型;然后,分别研究了EXPRESS中简单数据类型、聚合数据类型和构造数据类型到XML数据类型的映射机制;最后,在分析AI-ESTATE标准公共元素模型数据类型的基础上,研究了将公共元素模型的诊断知识用XML Schema标准化描述的过程,实现了诊断知识的可移植和重用.     

国际标准《标准中融入可持续性的指南》与我国标准化发展适应性探讨

近年来,在标准化中贯彻可持续性已成为国际上的重大前沿课题。为此,国际标准化组织（ISO）正在组织制定新的国际标准ISO GUIDE 82《标准中融入可持续性的指南》,为标准中融入可持续要素提供了指南。本文以此为背景,介绍了可持续发展的概念及内涵,剖析了ISO GUIDE 82的主要内容,并开展了ISO GUIDE 82与我国标准化发展的适应性研究,以期为积极推动ISO GUIDE 82在我国的顺利实施提供技术支撑。     

融合交叉熵损失的3DCNN探水作业动作识别

为解决矿井探水作业中人工验收效率低、耗时长等问题,提出一种融合交叉熵损失函数的3 DCNN探水作业动作识别模型.使用ReLU非线性化函数和SoftMax交叉熵损失函数,将隐含的特征数据判断分类别后再进行学习,得到较为丰富的批次网络信息图;将批量归一化操作引入到网络结构中,弥补网络模型收敛速率慢的不足,提高模型的泛化能力...     

湖南地域文化中的陶艺创作教学谈

陶艺所提倡的,是观念的不断更新发展,比起传统陶瓷艺术对工艺以及实用的要求,现当代陶艺更多的是在精神领域的研究表达和思维领域的一种诉说,它融合了多种艺术门类和艺术形式,这种融合为陶艺的发展提供了更多方向和可能性.     

利用ODBC技术实现异构数据源数据的共享

介绍数据库异构的主要特性,讨论了异构数据源互联要解决的问题和基本方法,以及在VC＋＋环境下,基于ODBC技术的多源异构数据库的访问共享方法。     

教学合理“调头” 学生品尝“甜头”

卖甘蔗的小贩总是将梢部递向顾客,让顾客从根部吃起,第一时间尝到甜味,因而生意兴隆。同样,学生的学习也非常注重第一感觉。因此,教师应该努力在教学的第一时间内展示知识美丽、动人、有用的一面,给学生最"甜"的滋味,让学生在灵活多变的教学中感受学习的"甜头",从而保持学习的劲头。这就需要教师在教学中合理"调头"。     

基于数据仓库联机分析处理技术的研究

随着数据仓库理论的发展,数据仓库系统已逐步成为新型的决策管理信息系统的解决方案,而数据仓库系统的核心是联机分析处理。主要介绍了OLAP技术和多维数据领域中的一些基本概念及多维数据分析的主要方法和多维数据的3种存储模式：ROLAP、MOLAP、HOLAP。     

基于图模型和注意力模型的会话推荐方法

为解决基于循环神经网络（RNN）会话推荐方法的兴趣偏好表示不全面、不准确问题,提出基于图模型和注意力模型的会话推荐（SR-GM-AM）方法。首先,图模型利用全局图和会话图分别获取邻域信息和会话信息,并且利用图神经网络（GNN）提取项目图特征,项目图特征经过全局项目表示层和会话项目表示层得到全局级嵌入和会话级嵌入,两种级别嵌入结合生成图嵌入;然后,注意力模型使用软注意力进行图嵌入和反向位置嵌入融合,目标注意力激活目标项目相关性,注意力模型通过线性转换生成会话嵌入;最后,SR-GM-AM经过预测层,输出下次点击的N项推荐列表。在两个真实的公共电子商务数据集Yoochoose和Diginetica上对比了SR-GM-AM方法与基于无损边缘保留聚合和快捷图注意力的推荐（LESSR）方法,结果显示,SR-GM-AM方法的P@20最高达到了72.41%,MRR@20最高达到了35.34%,验证了SR-GM-AM的有效性。