车联网发展的探讨

本文基于汽车与移动网络高速发展的背景下,提出了以车辆为主要节点,通过移动网络连接的"车联网"概念,并对车联网今后发展进行了有效探讨。     

高校思想政治理论课网络教学问题及对策研究

网络教学是时代发展的产物,在当今世界互联网与大数据等数字媒体广泛应用的时代背景下,不断加深思想政治理论课与网络信息技术的融合,建设适合思想政治理论课使用的高质量的网络教学平台,提高思政课教师网络教学技术手段的熟练度与学生的适应力,是今后思想政治理论课网络教学的重要研究课题。     

Wi-Fi与5G网络的融合及演进思路

随着5G时代的到来,全球信息化变革步伐日益加快,各种无线通信技术逐步融合。本文对目前5G发展现状和新一代Wi-Fi关键技术802.11ax标准进行了分析和研究,根据无线宽带联盟(WBA)2018年起至今的会议结论和观点,构思了Wi-Fi网络的发展演进思路,在未来较长一段时间内,5G与新一代Wi-Fi网络会逐步融合,在不同领域中发挥各自优势,给各行各业的发展提供优质的网络服务。     

不同流固耦合方法进行轮胎滑水性能仿真研究的对比分析

对比不同流固耦合方法对轮胎滑水性能进行仿真分析的结果。在Workbench平台中分别采用单向、双向流固耦合方法，对轮胎滑水模型在相同工况下的胎面动水压力分布和轮胎变形进行计算，并将两种方法仿真预测的临界滑水速度与经验公式计算值进行比对。结果表明，相对于单向流固耦合方法，双向流固耦合方法计算的相同时刻的动水压力峰值和轮胎变形量峰值较低，压力分布更均匀，临界滑水速度精确度较高，表明双向流固耦合方法更适用于轮胎滑水性能仿真研究。     

改进HSR-FCN的服装图像识别分类算法研究

目前网络上的服装图像数量增长迅猛，对于大量服装图像实现智能分类的需求日益增加。将基于区域的全卷积网络（Region-Based Fully Convolutional Networks，R-FCN）引入到服装图像识别中，针对服装图像分类中网络训练时间长、形变服装图像识别率低的问题，提出一种新颖的改进框架HSR-FCN。新框架将R-FCN中的区域建议网络和HyperNet网络相融合，改变图片特征学习方式，使得HSR-FCN可以在更短的训练时间内达到更高的准确率。在模型中引入了空间转换网络，对输入服装图像和特征图进行了空间变换及对齐，加强了对多角度服装和形变服装的特征学习。实验结果表明，改进后的HSR-FCN模型有效地加强了对形变服装图像的学习，且在训练时间更短的情况下，比原来的网络模型R-FCN平均准确率提高了大约3个百分点，达到96.69%。     

一种新型DSCNN-GRU结构的减速机轴承故障诊断方法

结合深度学习理论,将一维卷积神经网络运用于振动信号故障诊断,相较于传统方法,提取特征简单且高效。为进一步优化一维卷积结构,弥补其在信号所有位置的寻找模式,联系周期内的故障特征,提出一种新型DSCNN-GRU网络。该模型融合了深度可分离卷积的轻量快捷,降低了一维卷积结构参数;加入门控机制,可记忆分析故障点的信号特征,联系周期内的信号关系,更好地捕捉信号故障特征,提升对时间序列的敏感性。提出一种跟踪梯度优化Adam算法,解决模型随时间窗振荡问题。通过采集的减速机滚动轴承数据研究表明,该算法平均故障识别率可达94%以上,分类效果明显,泛化能力强。     

探索疫情下药物分析课程网络教学新模式

药物分析作为药学本科专业一门重要的必修课程,主要讲授的是对药物进行全方面控制。本文探讨在受到新冠肺炎疫情影响下,如何在线上做到从多方面入手,优化以往教学方案,大力建设药物分析网络课程资源,开创线上教学新模式。