基于犹豫模糊决策算法的云制造系统选择研究

云制造系统的选择评价是云制造管理中的重要研究课题.针对复杂的云制造系统评价问题,构建了基于信息集成算子和一致性提升算法的犹豫模糊互补判断矩阵(HFCJM)决策模型.由于现有的犹豫模糊加权平均算子存在不能满足幂等性的不足,提出了一种改进的犹豫模糊加权平均(I-HFWA)算子,并验证其满足幂等性这一重要性质;研究了完全乘性...     

Proteus仿真在数字电子技术课程中的应用

针对"数字电子技术"传统教学中存在的诸多问题,提出了用PROTEUS软件来进行数字电子技术仿真教学的思路.通过教学实例对PROTEUS进行"数字电子技术"课程教学、实践教学和课程设计中的应用,将PROTEUS 引入数字电子技术课程的教学中,可以使教师在讲述理论的同时,利用PROTEUS 软件进行仿真、演示,增强学生的感性认识,使学生消除对理论知识的"抽象感",提高学生的学习兴趣.使课堂的教与学在良好互动的同时更生动、直观,达到学生对逻辑电路的基本理论易于理解,对拓展应用的认识更加深刻的目的.     

基于金属织物和自然摩擦带电的电子皮肤对人体运动的智能识别（英文）

目前已开发出各种基于电子或光学信号的技术来感知身体运动,这在医疗保健、康复和人机交互等领域至关重要.然而,这些信号都是从身体外部获取的.本研究中,我们制备了一种电子皮肤(e-skin)人体运动传感器,它利用有机聚合物和金属织物的组合,通过人体的自然电荷感应(EI)来检测运动.该电子皮肤可获得高达450 V的人体电势信号.此外,该信号可通过最先进的深度学习技术自动提取和训练.该传感器能准确识别睡眠活动,准确率约为96.55%.这种可穿戴运动传感器可以与物联网技术无缝集成,实现多功能应用,展示了其在人类活动识别和人工智能方面的潜在用途.     

基于CNN的时序数据关联规则挖掘模型

传统的挖掘模型未能有效提取时序数据的特征,导致计算开销较大,挖掘准确率以及效率偏低.为此,研究结合卷积神经网络设计并组建一种新的时序数据关联规则挖掘模型.通过连续模板匹配技术分析时序数据的分布式数据结构,然后结合匹配相关检测技术对时序数据展开融合处理,通过频繁项检测提取其中的关联规则特征.对提取的关联规则通过CNN分类...     

基于股价指数预测的仿真研究

研究股价预测问题,针对股价指数具有不稳定和时变性,单一预测方法预测准确度低、误差过大,为提高预测精度,消除噪声,提出一种小波分析的自回归滑动平均(ARIMA)与BP神经网络(BPNN)相结合的股价指数组合预测方法.组合预测方法首先采用小波分析对股价原始数据进行分解和重构,股价数据经过小波处理后,变成线性和非线性两部分,采用ARIMA和BPNN分别对线性部分和非线部分进行预测,最后组合两者预测结果得到股价指数最终预测结果,用上证A股的收盘指数数据对组合预测方法进行了验证测试,实验结果表明组合预测方法比单一预测方法预测准确度高,误差小,在股价指数预测中具有广泛的应用前景,可为股市提供参考.