基于残差的门控循环单元EI北大核心CSCD

传统循环神经网络易发生梯度消失和网络退化问题.利用非饱和激活函数可以有效克服梯度消失的性质,同时借鉴卷积神经网络中的残差结构能够有效缓解网络退化的特性,在门控循环神经网络(Gated recurrent unit,GRU)的基础上提出了基于残差的门控循环单元(Residual-GRU,Re-GRU)来缓解梯度消失和网络退化问题.Re-GRU的改进主要包括两个方面:1)将原有GRU的候选隐状态的激活函数改为非饱和激活函数;2)在GRU的候选隐状态表示中引入残差信息.对候选隐状态激活函数的改动不仅可以有效避免由饱和激活函数带来的梯度消失问题,同时也能够更好地引入残差信息,使网络对梯度变化更敏感,从而达到缓解网络退化的目的.进行了图像识别、构建语言模型和语音识别3类不同的测试实验,实验结果均表明,Re-GRU拥有比对比方法更高的检测性能,同时在运行速度方面优于Highway-GRU和长短期记忆单元.其中,在语言模型预测任务中的Penn Treebank数据集上取得了23.88的困惑度,相比有记录的最低困惑度,该方法的困惑度降低了一半.     

牛膝中甾酮类提取物的HPLC测定

建立怀牛膝和川牛膝中的杯苋甾酮和β-蜕皮甾酮的HPLC的分离条件,并用于同时测定杯苋甾酮和β-蜕皮甾酮的含量。使用CN色谱柱和安捷伦LC1200仪器,确定以色谱纯的乙腈作为流动相,流速为1.5 m L/min,柱温30℃,通过仪器的全波长扫描确定242 nm为最佳检测波长。在优化的色谱条件下,杯苋甾酮浓度在9.4~47.0 ppm之间与峰面积线性关系良好,回归方程为y=15.8x-21.14,R~2=0.9992;β-蜕皮甾酮浓度在99.64~169.6 ppm之间与峰面积线性关系良好,回归方程为y=10.843x-462.17,R~2=0.9894。该方法准确、快速、灵敏,可用于同时测定两者中的杯苋甾酮及β-蜕皮甾酮的含量。     

试论煤矿机电一体化及其管理措施

煤炭是我国重要的能源，煤炭工业的大力发展，在我国的国民经济建设发展中占居重要的地位。采用机电一体化产品的煤矿，能够获得可观的技术、经济和社会效益。随着现代化设备的不断投入使用，对机电管理人员的业务素质也提出了新的要求，只有熟识电气设备的功能，才会更好的完成本职工作。因而，近年来各级煤矿企业领导都十分重视机电一体化技术在煤炭生产中的应用与推广。本文对煤矿机电一体化技术的应用与管理进行研究。