首页 | 官方网站   微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   7篇
  免费   2篇
  国内免费   1篇
工业技术   10篇
  2023年   2篇
  2022年   1篇
  2020年   3篇
  2019年   2篇
  2014年   1篇
  2013年   1篇
排序方式: 共有10条查询结果,搜索用时 0 毫秒
1
1.
2.
郝耀军  李浩  武艺 《陕西煤炭》2020,39(1):85-88,111
矿井水文地质类型划分,对煤矿的安全生产划分有着重要的意义。探讨西曲煤矿矿井水文地质类型的划分,对井田内水文地质条件及矿井充水因素进行分析,得出该矿开采受水害影响程度以及防治水工作开展的难易程度均为中等。具体为,2+3#煤层矿井水文地质类型为中等,4#煤层矿井水文地质类型为复杂,8#、9#煤层矿井水文地质类型为复杂。分析认为,该矿应加强对陷落柱的物探和钻探、本矿采空积水探放水、矿界防隔水煤柱的留设等工作,研究结果可为煤矿防治水工作提供依据,在一定程度上可确保矿井安全生产。  相似文献   
3.
在采用协同过滤技术的推荐系统中,恶意用户通过注入大量虚假概貌使系统的推荐结果产生偏离,达到其攻击目的。为了检测托攻击,根据用户的评分值或基于攻击时间的集中性假设,从不同视角提取攻击概貌的特征。但是,这些基于人工特征的检测方法严重依赖于特征工程的质量,而且人工提取的检测特征多限于特定类型的攻击,提取特征也需要较高的知识成本。针对这些问题,从用户评分项目的时间偏好信息入手,提出一种利用深度稀疏自动编码器自动提取检测特征的托攻击集成检测方法。利用小波变换将项目在不同时间间隔内的流行度设定为多个等级,对用户的评分数据预处理得到用户-项目时间流行度等级矩阵。然后,采用深度稀疏自动编码器对用户-项目时间流行度等级矩阵自动进行特征提取,得到用户评分模式的低层特征表达,消除了传统的人工特征工程。以SVM作为基分类器,在深度稀疏自动编码器的每层提取特征并进行攻击检测,生成最终的集成检测结果。在Netflix数据集上的实验表明,提出的检测方法对均值攻击、AoP攻击、偏移攻击、高级项目攻击、高级用户攻击具有较好的检测效果。  相似文献   
4.
为客观评价高校教师工程实践能力,引入离散型Hopfield神经网络(DHNN)算法对高校教师工程实践能力的19个指标进行评价,评价过程直观、可靠,且减少了计算工作量,增加了评价结果的可解释性。  相似文献   
5.
煤矿巷道掘进过程中存在突水隐患时,利用矿井直流电法超前探测技术,对巷道前方煤岩体富水性进行探查,对矿井防治水工作具有指导意义。本文通过COMSOL Multiphysics数值模拟与工程实例相结合的方法研究了矿井直流电法超前探测技术影响因素与视电阻率曲线变化之间的规律,并利用这些规律指导矿井直流电法超前探测工程实践,以及提供理论支持。  相似文献   
6.
传统的基于协同过滤的推荐方法可以挖掘出评分中隐含的特征, 但推荐过程时间长, 且评分矩阵具有稀疏性, 导致样本真实值与预测值间误差较大. 神经网络通过批量训练可以较快计算出对象特征, 卷积神经网络的局部感知与参数共享性使参数个数明显缩减, 利用普通神经网络及卷积神经网络共同实现推荐可使计算时间缩短; 通过调整神经网络的参数, 为卷积神经网络设计合理的特征向量和卷积核大小, 可以提升推荐速度和推荐准确性. 实验表明, 使用神经网络结合卷积神经网络进行推荐的方法能使推荐的绝对误差均值下降至0.67以下, 大幅提升推荐的准确性及有效性.  相似文献   
7.
8.
针对Access数据库传统教学中,学生上课时学习兴趣不高,上机时信息迷航、四处游离的现状,提出了在Access数据库教学中渗透混合式学习理念的构想;探讨了在混合式学习理论指导下,对"上课+上机+上网"各形式的教学过程的改革思路和实现。  相似文献   
9.
区块链中的节点以副本形式保存数据,随着时间的推移,区块链中的区块数不断增加,导致节点承受的存储压力随之增大,存储压力成为区块链应用落地的瓶颈之一。为了解决区块链中存储压力问题,提出了基于变色龙hash的区块链可扩展存储方案,该方案利用节点被攻击成功的概率和改进的温度模型,将区块分为高低安全性的冷热区块;基于变色龙hash算法和改进的Merkle tree,对高安全性的冷区块进行部分节点存储。在存储过程中,除高安全性冷区块的区块体信息被重构外,其余数据保持不变。仿真实验表明,在不改变区块链结构和安全性能的情况下,所提出的方案可减少区块链中数据的存储总量,减少存储节点的存储压力;且区块数量越多,其优势越明显。  相似文献   
10.
为了解决图像压缩感知重建研究领域中通过有效的图像先验信息重构与原图相似性高且保留细节消除伪影的高质量图像的问题, 针对不足采样的K空间数据, 在经典的CNN算法CBDNet算法的基础上, 通过融合深度学习先验信息及传统图像恢复各自优势的方法, 研究了基于深度神经网络去噪先验和BM3D块压缩感知算法的混合式重构算法. 该算法采用交互式方法训练多尺度残差网络抑制噪声水平, 借优化选择的方式将深度学习与传统块匹配多尺度结合以提取图像不同尺度的特征数据从而实现抑制伪影、快速重建高质量MRI. 实结果表明深度学习结合BM3D在MR图像重构领域能够有效降低伪影保留细节信息, 加强重构效果. 与此同时, 通过采用GPU的加速运算, 算法的计算复杂度较使用单一算法并未增加很多. 可见基于卷积盲降噪的混合式核磁共振成像效果更佳.  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司    京ICP备09084417号-23

京公网安备 11010802026262号