FRM滤波器中应用积分梳状滤波器的研究

传统的频率响应屏蔽(Frequency Response Masking,FRM)滤波器由多个含有乘法器的滤波器构成,计算复杂度较高。提出了一种改进窄带低通FRM数字滤波器设计复杂度的方法,使用积分梳状滤波器作为屏蔽滤波器,以达到设计窄过渡带的滤波器的要求。仿真结果表明,在降低窄带低通FRM滤波器计算复杂度方面效果明显,有效地减少了乘法器的使用,降低了目标滤波器设计的阶数。该方法可以应用于窄过渡FRM数字滤波器的设计中。     

基于IPv6的静态路由实验设计

对IPv6的地址格式和通信特点进行了分析,提出了一个IPv6的通信网络拓扑结构。详细介绍了IPv6的接口地址和静态路由协议的配置,实现了两台IPv6的主机相互通信。     

基于工业以太环网的矿井综合自动化系统在高家梁煤矿的应用

在分析高家梁煤矿实际需求的基础上,提出基于工业以太环网的矿井综合自动化系统方案。该系统利用现代控制技术、现代计算机技术、现代网络技术、现代通信技术和现代图形显示技术,将煤矿工业的过程控制与企业管理有机地结合起来,最终实现煤矿的管控一体化,全面提升高家梁煤矿的经济效益和社会效益。     

一种分层注意力机制与用户动态偏好融合的序列推荐算法

针对现有的序列推荐算法通常仅采用单一项目信息来捕获项目的潜在特征,以及循环神经网络存在时间依赖性随序列中位置单调变化的问题,提出一种分层注意力机制与用户动态偏好融合的序列推荐算法.首先,针对单一项目信息不足以学习项目准确表示的问题,提出一种分层注意力机制用于学习高质量的项目表示.其次,针对循环神经网络的时间依赖性严重损害了用户近期偏好建模的问题,引入文本卷积神经网络来提取循环隐藏状态之间的短期序列模式,并根据用户意图将用户长期偏好与近期偏好进行动态融合.此外,针对传统自注意力机制无法对序列中元素的相对位置信息进行建模的问题,对现有的自注意力机制进行了改进,充分捕获序列中元素的相对位置信息.并在公开数据集MovieLens-1M与Amazon-Book上与现有优秀算法作比较,实验结果证明了所提算法的有效性.     

电力设计企业知识管理模式研究

随着电力体制改革的逐步深入,发电和电网项目快速发展．先进技术的引进．高新技术的采用．老机组的技术改造和机组的技术升级等都为电力市场下勘测设计企业管理创新提供了良好的机遇。本文着重就电力设计企业知识管理的组织结构、激励机制、企业文化、技术管理创新及信息平台等方面进行探讨。     

基于粗糙径向基神经网络的刮板输送机负载预测方法研究

刮板输送机负载的准确预测对实现采煤机和刮板输送机的协同控制至关重要。刮板输送机短期负载受工作面环境、冲击载荷等不确定性因素的影响,具有很强的非线性和非平稳性,难以准确预测。针对此问题,本研究提出一种基于粗糙径向基神经网络的刮板输送机负载预测方法。该方法首先建立刮板输送机电流去噪模型,得到反映综采工作面刮板输送机真实负载的电流分量;然后针对刮板输送机负载电流波动大导致的神经网络预测模型训练误差增大、预测精度低的问题,引入表征负载变化波动的上下输入粗糙神经元,提出一种粗糙径向基神经网络(RRBFNN)模型;最后基于粗糙径向基神经网络建立刮板输送机短期负载预测模型,并进行仿真实验验证。结果表明：本研究提出的RRBFNN刮板输送机短期负载预测模型,比传统RBF模型的平均绝对误差(MAE)、平均绝对百分误差(MAPE)和均方根误差(RMSE)分别降低26.22%,25.39%和14.72%,该方法能有效提高刮板输送机负载的预测精度。     

浅谈双色成形工艺在墙壁开关插座产品中的应用

随着人们生活质量的不断提高,愈发注重对产品的第一眼感觉,使得双色产品在越来越多的应用领域备受青睐,双色产品已被广泛运用在手机业、制笔业、汽车业、家电业、手工具业及日用品业等众多领域。双色产品设计因不同的用途,在不同的部位上,采用不同的物料,以应付特定环境的需要,达到延长产品寿命、增加美观及实用性目的。当前实现双色产品的主要工艺有:双色注塑成型、嵌件注塑成型、单色注塑成型+超声波焊接,我们分别对三种不同工艺进行了验证,结果表明双色注塑成型工艺在产品质量把控上具有明显优势,但是另外两种工艺在满足特定的条件下也是不错的选择,这对于墙壁开关、插座产品双色塑胶制品开发具有十分重要的意义。     

新疆金沟河流域水权转让的实践与经验

随着社会经济的不断发展,水的稀缺性和不可替代性日益显著,新疆工程性、结构性缺水问题严重,水资源已成为新疆社会可持续发展中的短板。金沟河向独石化供水工程水权转让为新疆创新节水建设、水资源由农业用水向高效行业成功转移、提高用水效益提供了很好的示范作用。     

基于学习排序的多分类标签排序方法研究

学习排序是利用机器学习技术来对搜索结果进行排序的技术。它在包括信息检索与数据挖掘等技术在内的众多应用领域中具有重大作用,因此近年来备受关注。学习排序通常假设每个培训实例都与一个可靠的标签相关联产生列表,但并不假定此列表是完整的或一致的。通过结合广义线性模型和Plackett-Luce(P-L)模型,提出一种基于实例的解决多分类标签的排序方法。目标是训练学习一种排序功能,排序功能通过训练提出一种最大似然估计方法。该方法估计标签排序,并迭代地训练排序功能,该功能可以在整套标签上产生全部排序。先利用广义线性模型对标签进行分类,再用P-L模型对各类别的标签进行排序,最后利用最大似然估计的方法对框架模型进行优化处理。该方法在不完整的训练数据的情况下,较其他模型方法在准确性上提升5%。