融合注意力LSTM的神经张量分解推荐模型

针对结合深度学习模型的协同过滤算法未考虑关联数据的多维交互随时间动态变化的问题,该文提出一种融合时间交互学习和注意力长短期记忆网络的张量分解推荐模型(LA-NTF).通过采用基于注意力机制的长短期记忆网络从项目文本信息中提取项目的潜在向量,然后使用融合注意力机制的长短期记忆网络来表征用户—项目关系数据在时间上的多维交互...     

硫化工序循环泵的改造

针对轮胎硫化工序热水循环泵压力高、电流大,即安全因数较小的问题,对循环泵进行了改造.用HPK-Y80-315型循环泵替换HPK-Y80-400型循环泵,并将其叶轮直径由315 mm改为320 mm后,循环水压力和流量达到硫化工艺要求,大大提高了硫化工艺压力和温度的稳定性,同时降低了生产成本.     

轮式移动机器人自主导航计量评价现状

自主导航是评价轮式移动机器人智能化程度的核心指标,但是目前轮式移动机器人自主导航性能的计量评价仍处于起步阶段,计量评价指标体系和评价方法严重缺失.本文介绍了现有轮式移动机器人自主导航的架构及路径规划算法,分析了轮式移动机器人自主导航的性能指标,归纳国内外轮式移动机器人自主导航计量评价领域的研究现状.在此基础上,总结轮式...     

扩频通信中高精度数据采集系统的设计

针对扩频调制信号低功率谱密度的特点,讨论了一种基于FPGA和ADS8364的适于扩频通信系统的高速高精度数据采集方案。采用"自上而下"的设计思想和"自下而上"的实现流程,将整个系统划分为特定功能模块进行优化设计,详细介绍了各模块的设计方法和实现步骤。     

适用于VLSI设计的LVV数据模型及其数据库管理系统

本文分析了VLSI设计中的数据类型和相互关系,提出了适用于VLSI设计的LVV数据模型,它包含对象、版本、视图和文档四个基本概念,支持面向对象的数据操作,描述设计对象的层次结构和设计衍变过程,且根据模型的语义性可进行数据完整性及描述等价性的控制.LVV系统是建立在LVV模型基础上的数据库管理系统,除上述数据模型所提供的特点外,还具有统一的用户界面和数据共享性好等特点.     

MVRDV——现代的乌托邦主义者

通过对荷兰设计团体MVRDV理论思想的分析,阐明其“乌托邦”式的哲学观点与社会环境的紧密关系,并从其实际作品的设计方法出发,介绍他们对于未来城市和建筑发展的探讨方式。     

微波辅助合成载银蒙脱土/水性聚氨酯纳米复合抗菌材料的制备及表征

采用绿色的微波辐射辅助还原合成载银蒙脱土,再将其与水性聚氨酯复合制备抗菌性复合材料。通过扫描电镜、X射线能谱、透射电镜、热重分析、力学性能、抗菌实验等分别研究了微波合成载银蒙脱土及载银蒙脱土/水性聚氨酯复合材料的表面结构、热稳定性、力学性能、抗菌性能等。实验结果表明,通过绿色的微波辐射辅助还原法于蒙脱土界面合成了粒径小、分布均匀的纳米银单质,将该载银蒙脱土引入到水性聚氨酯中,可提高载银蒙脱土/水性聚氨酯复合材料的热稳定性及力学性能,硬段的最大失重温度上升了11℃,拉伸强度和断裂伸长率分别提高了32%和13%;抗菌性能研究表明复合材料对大肠杆菌和金黄色葡萄球菌具有良好的抑制效果,该复合材料在抗菌材料领域有广泛的应用前景。     

捷变正弦信号源波形建立时间的精确测量

针对正弦信号源捷变状态切换后的建立时间、开机后波形建立时间以及过载恢复时间等的精确测量问题,提出了一种基于局域波形四参数拟合的测量分析方法,然后将拟合模型参数拓展到全局,进而获得拟合回归波形与过渡过程波形的回归残差波形。该波形的收敛过程反映了正弦波建立过程中的残差收敛变化过程。以它为目标对象,加上主观设定的建立时间的条件判据,可以获得正弦建立时间的起始和终止两个时刻点,最终获得完整的正弦信号建立时间。在两组不同条件下的状态切换实验结果,验证了该方法的有效性和可行性。该方法也可以推广应用到脉冲调频、脉冲调幅、脉冲调相、捷变频信号的建立时间测量评价中。     

天地一体化信息网络宽带用户行为仿真技术

天地一体化信息网络结构复杂、协议多样,必须构建相应的仿真平台对各种新技术、新方案进行实验、验证。为克服仿真规模、逼真性与计算开销的矛盾,采用虚拟化、云计算相结合的分布式仿真方法,搭建了涵盖天基骨干网节点、Ka/Ku通信卫星以及地面用户在内的天地一体化宽带用户仿真场景;针对网络中宽带用户数量大、行为多样、并发通信高等特点,研发了基于模型驱动、参数可配置的高并发用户行为仿真方法。实验证明,该仿真方法可实现宽带用户接入卫星网络的仿真场景,以及基于模型驱动的典型宽带用户行为的多样化仿真,且仿真规模可达10万级用户并发,可有效满足天地一体化信息网络仿真评测的需求。     

中心约束的跨源学习可能性C均值聚类算法

可能性C均值聚类算法（Possibilistic C-Means,PCM）相比于模糊C均值聚类算法（Fuzzy C-Means,FCM）,能更好地处理含有噪音和例外点的数据,但在处理数据粘性较强的数据集时,PCM算法的聚类中心趋于一致,从而导致聚类算法直接失效。针对这个问题,提出了中心约束准则与跨域迁移学习准则,并将其应用到可能性C均值算法中,从而提出一种具有中心约束能力的聚类算法,简称中心约束的跨源学习聚类算法,改进后的算法能够利用跨域知识进行辅助聚类,确保类中心相互远离,从而能够保证算法的聚类性能。通过模拟数据集和真实数据集的实验,验证了该算法的上述优点。