多跑必有效

2020年以来,面对疫情冲击和复杂市场环境,古越龙山人坚定信心,迎难而上,以变应变,围绕“创新、变革、拓展”,持续推进产品结构优化、新品开发,品牌传播,终端建设,招商品鉴,消费培育,跨界合作,模式创新,与众多经销商携手共拓市场,在品牌推广、招商推广、渠道拓展、聚焦高端等方面取得了一定的业绩。     

爆炸冲击波载荷下预制孔铝板的动态响应

为研究爆炸冲击波对破片穿孔后板结构的毁伤效应,使用激波管为冲击波加载设备,对不同孔形的预制孔铝板进行冲击波加载.利用三维数字图像相关(3 D-DIC)技术,分析固支预制孔方形铝板在冲击波加载条件下的动态响应,得到预制孔铝板的动态响应和变形失效过程.结合3 D-DIC结果分析孔形对靶板刚度、破坏形式、承载能力的影响.结果表明:圆形孔靶板刚度最大,圆形孔靶板的极限承载能力最大,菱形孔靶板极限承载能力最差;孔形对撕裂破坏的影响主要体现在孔的角点在靶板分布上.该实验结果对固支板结构的抗爆设计具有一定参考价值.     

非光滑凸问题投影型对偶平均优化方法的个体收敛性

对于一般凸问题,对偶平均方法的收敛性分析需要在对偶空间进行转换,难以得到个体收敛性结果.对此,文中首先给出对偶平均方法的简单收敛性分析,证明对偶平均方法具有与梯度下降法相同的最优个体收敛速率Ο(lnt/t).不同于梯度下降法,讨论2种典型的步长策略,验证对偶平均方法在个体收敛分析中具有步长策略灵活的特性.进一步,将个体收敛结果推广至随机形式,确保对偶平均方法可有效处理大规模机器学习问题.最后,在L1范数约束的hinge损失问题上验证理论分析的正确性.     

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.     

从本地到云端如何正确处理数据

如今,很多企业上云,只是把本地的数据技术、治理模式和安全能力迁移到云端,并没有思考如何通过真正云化的数据存储形式和技术方法,重构云端体验。什么是存储和使用数据的新方法?与传统本地模式相比,最新的数据存储方式有哪些不同?把数据从传统的数据仓库、数据湖迁移到分布式数据网格,就是现代化设计体系吗?其实,很多人都非常困惑。