多元时间序列的Web Service QoS预测方法

为准确并多步预测Web服务的服务质量（quality of service,简称QoS）,方便用户选择更好的Web服务,提出了一种基于多元时间序列的QoS预测方法MulA-LMRBF （multiple step forecasting with advertisement-levenberg marquardt radial basis function）.充分考虑多个QoS属性序列之间的关联,采用平均位移法（average dimension,简称AD）确定相空间重构的嵌入维数和延迟时间,将QoS属性历史数据映射到一个动力系统中,近似恢复多个QoS属性之间的多维非线性关系.将短期服务提供商QoS广告数据加入数据集中,采用列文伯格-马夸尔特法（Levenberg-Marquardt,简称LM）算法改进的径向基（radial basis function,简称RBF）神经网络预测模型,动态更新神经网络的权重,提高预测精度,实现QoS动态多步预测.通过网络开源数据和自测数据的实验结果表明,该方法与传统方法相比有较好预测效果,更适合动态多步预测.     

结合Conformer与N-gram的中文语音识别

Transformer模型对输入序列中重要的信息进行学习, 相比传统的ASR (automatic speech recognition)模型提升了准确性. Conformer模型在Transformer的编码器中加入卷积模块, 增加了获取细微局部信息的能力, 进一步提高了模型性能. 本文结合使用Conformer模型和N-gram语言模型(language model , LM)用于中文语音识别, 获得了良好的识别效果. 在数据集AISHELL-1和aidatatang_200zh上的实验表明, 使用Conformer模型字错率分别可降低到5.79%和5.60%, 较Transformer模型降低了5.82%和2.71%. 结合N-gram语言模型后字错率分别可降低到4.86%和5.10%达到最佳性能, 实时率(real time factor , RTF)达到0.14566. 测试信噪比降低为20 dB时模型字错率才明显下降到8.58%, 表明该模型具有一定的抗噪能力.     

CD317 在肿瘤发生发展及治疗方面的研究进展

CD317(Tetherin、BST-2 或 HM1.24)是由 BST-2 基因编码的一个结构独特的 II 型跨膜糖蛋白, 在多种人体组织中组成型表达,也可被干扰素等细胞因子诱导。近年来,越来越多的研究表明,CD317 在多种肿瘤中表达上调,广泛参与肿瘤细胞增殖、迁移以及凋亡抵抗等生物学过程从而促进肿瘤的发 生发展,是肿瘤治疗的潜在靶点。该文聚焦肿瘤领域,总结 CD317 的表达模式、作用机制以及靶向策 略的相关进展,为肿瘤发病理论研究、治疗策略开发提供新的思考和方向。     

基于LM3S101微控制器的可视化编程入门软件设计

可视化编程环境的出现给技术开发带来了巨大的变化。根据可视化编程的思想设计了一套嵌入式学习系统,该系统分为人机交互界面、编译和下栽三部分。人机交互界面实现了从控件流程图到代码的自动生成：编译模块则利用GNU工具链将代码编译成LM3S101可执行的机器码;最后将可执行代码下载到目标MCU出LM3S101中。     

基于PSoC的温度监控系统

针对传统的温度监控系统存在设计系统复杂且不利于小型化等缺点,以PSoC经典芯片CY8C29466为主控制器,以PSoC Designer为编程开发环境,选用模拟量温度传感器LM35测温,设计开发了基于PSoC的温度监控系统。结果表明,该系统电路简单灵活,可靠性高,在嵌入式产品开发设计领域得到广泛应用。     

贝叶斯改进BP神经网络在织物染色配色中的应用

针对BP算法及其改进算法泛化能力不强的问题,探讨了用贝叶斯正规化算法与LM算法的结合来提高BP神经网络的泛化能力。结果表明,在相同网络规模或误差条件下,贝叶斯正规化算法泛化能力明显优于基本BP算法及其它改进的BP算法,且收敛速度较快。因此文中把贝叶斯正规化算法与LM算法结合应用到了织物染色的计算机配色中,其预测的配方和实验的数据比较接近,证明了该方法的可行性。     

集成温度控制器及其应用

集成温度控制器LM56是美国国家半导体公司(NSC)生产的温度控制器,被广泛应用于温度控制仪、电信设备、复印机等办公设备和家用电子产品领域。文中介绍了它的基本特性、引脚功能、内部结构和应用电路。     

基于PCA-BP神经网络的精馏塔产品组成软测量模型

依据工艺机理和操作经验，初选了醋酸精馏塔产品组成的神经网络预测模型的输入变量，运用主元分析方法对输入变量进行主元分解，降低输入变量维数且消除了输入变量之间的线性相关性，再通过基于LM优化算法的BP神经网络进行建模。仿真结果表明，该模型具有较快的训练速率和较高的预测精度，可以满足精馏过程对出口物料组成的在线软测量要求。