高校数字化校园评价指标体系的研究

通过对十多所高校的调查访问,吸取已有的国家信息化和企业信息化的测评理论和方法的优点,提出了一个可行的数字化校园评价指标体系,并对其进行了详细的量化论述.在指标权重的判定中,采用专家打分法来确定每一项指标的权重.     

海底热流高精度测温仪的校准方法

针对海洋环境下温度参数的变化,结合海底热流测温特点,对海底测温仪测量精度的影响因素及其校准方法进行了研究。根据温盐深测量仪实验室的标定数据,对测温仪的零点漂移和温度漂移进行修正,并与海底测量仪海试原位数据进行比对校准。实际海上试验数据表明,在-2～+32℃温度范围内,海底测温仪的温度测量误差小于±0.002℃。     

模拟退火算法在线热源反问题数值求解中的应用

提出采用模拟退火算法(simulated annealing,SA)来数值求解线热源反问题.探讨了如何设计算法使之适合反问题求解,并给出了算法求解的伪代码;通过线源正问题的模拟数据,使用设计的SA算法进行反问题求解,以此来验证算法求解的准确性和可靠性,并对一组实测数据进行了计算.结果表明,该算法不但可以实现两个参数同时、快速反演,而且具有求解精度高,对初始条件依赖少,编制容易等优点.     

水冷型PEMFC输出特性建模与仿真分析

针对燃料电池传统寻优方法存在的不足,选取内阻作为输出性能的寻优指标,建立内阻与操作条件机理模型,操作条件之间耦合模型,以总内阻最小为仿真寻优原则,确定不同电流密度下的最佳温湿度点,并建立最佳温湿度与电流密度经验模型,使用遗传算法对模型参数进行优化,为下一步控制策略优化提供基础与参考。     

CDID理念指导下的跨平台网络课程建设

通过分析现存网络课程平台的现状,总结先进教学理念,提出以CDIO理念为主导,结合SAS、WebQuest和任务驱动各自特色,以跨专业计算机类素质课程网络教学为依托的网络课程教学网站建设模式。     

区间粒子算法与线源反问题求解

目前国内外对线源反问题数值求解尚没有一种成熟有效的算法。本文在研究区间搜索算法基础上,提出了一种新的求解算法—区间粒子算法(Range Particle Algorithm)来求解线源反问题。首先简要介绍了线源反问题的求解特点,并根据线源方程建立了反问题求解的目标函数;其次基于该目标函数,设计了区间粒子算法来求解,探讨了算法实现的基本步骤和参数调整问题;最后通过模拟数据和实测数据分别检验了该算法求解的效果,结果表明区间粒子算法求解精度高、收敛速度快和计算稳定,在线源反问题数值求解中是适用的。     

运用信息生命周期管理思想建设存储系统

文章就网络环境下如何存放、组织、管理和应用档案系统信息，应该如何构建一个舍理的存储体系，来适应不断增长的信息数据量等问题进行了论述。指出在这项工作中存储系统的建设是关键。     

水槽液位集散控制系统实验装置的研制

本文概述了集散控制系统的应用技术，介绍了三级水槽液位控制系统实验装置的设计方法与性能特点，并取得了很好的实验结果．     

基于改进迁移学习和多尺度CNN-BiLSTM-Attention的短期电力负荷预测方法

针对目标域负荷数据样本不足导致模型训练不充分从而预测精度不高的问题,提出一种改进的分层级迁移学习策略结合多尺度CNN-BiLSTM-Attention模型的短期电力负荷预测方法。设计串并行相叠加的多尺度CNN作为特征提取器,把提取到的特征作为输入传递到两层BiLSTM结构进行进一步的学习,引入注意力机制调节捕获的信息向量权重。按照基础模型的结构划分层级,将源域数据按照拟合优度值的高低输入至模型进行分层级的迁移学习训练,保留每一层最优的训练权重,之后使用目标域数据对模型进行微调得到最终的预测模型。经实验证明,所提出的多尺度CNN-BiLSTM-Attention模型能有效提高负荷预测精度,在负荷数据样本不足时,改进的分层迁移学习策略相比于直接迁移学习能有效降低预测误差。以目标域6个月数据为例,MAPE指标降低13.31%,MAE指标降低15.16%,RMSE指标降低14.37%。     

基于快速自编码的RELM的文本分类

正则化极限学习机RELM是一种单隐层前馈神经网络,不同于传统神经网络算法,RELM通过随机设置输入层权重和偏置值,可以快速求得输出层权重,并且引入正则化因子,能够提高模型的泛化能力。针对文本信息高维度、多类别的问题,提出一种基于快速自编码的正则化极限学习机FARELM。将由RELM改进后的快速自编码神经网络对样本进行无监督特征学习,并对特征提取后的数据使用RELM进行分类。实验表明,FA-RELM的学习速度和分类精度较优。