融合注意力机制的学生退课行为预测

近年来,大规模在线开放课程(MOOCs)发展迅速,吸引了学界的广泛关注.用户退课率极高这一问题的长期存在,使得退课行为预测成为了一个重要的研究课题.目前的退课行为预测模型过于依赖传统的机器学习算法.此外,很多研究忽视了MOOCs用户灵活修课的特点,采用时序无关的方法进行预测.针对目前该领域存在的问题,论文提出了一种融合注意力机制的时序预测模型.该模型首先利用长短期记忆网络从原始的时序数据中学习新的时序隐态表示,再使用多个一维卷积神经网络提取隐态中各类特征的时序模式,最后融合注意力机制,使模型能够通过注意力分布值强化有效特征.实验结果表明,该方法的预测能力优于其他方法.     

VS1型真空断路器合闸弹跳优化方案探析

当前真空断路器广泛应用于中压领域,操动机构是决定断路器性能的关键部件之一,与电磁操动机构和永磁操动机构相比,弹簧操动机构由于采用小功率交流电机为合闸弹簧储能而使机构动作不受电源影响,更加稳定,并且掉电后仍能操作一次,同时在分闸时由于参与动作部件少,因而分闸弹簧能实现较好的分闸特性等特点而使用更为广泛。文中的目标是针对目前中国广泛使用的VS1型户内真空断路器,通过运用Adams对VS1型真空断路器的弹簧操动机构进行动力学分析,并结合样机的机械特性实验结果,找出影响VS1型真空断路器合闸弹跳的因素,并提出优化建议。仿真分析和实验测量发现合闸过程之后出现的弹跳问题是由于凸轮机构的配合不当引起。为此针对凸轮机构提出了优化建议,即可以通过修改凸轮轮廓尺寸和提高分闸掣子限位平面来实现减少弹跳,达到提高VS1型真空断路器的合闸可靠性的目的。