检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

隧道掏槽爆破岩块抛掷堆积形态的数值模拟

工程爆破 2024年第3期30卷 54-61页

作者：朱礼臣中铁十四局集团建筑工程有限公司工程部济南250000

为了控制隧道掏槽爆破飞石范围,确保隧道爆破施工的高效性与安全性,利用离散元软件对掏槽体岩块抛掷堆积形态进行了数值模拟,结合某快速铁路单线隧道工程,研究了掏槽体岩块抛掷堆积形态及其主要参数。在对比分析掏槽体岩块堆积形态的模... 详细信息

为了控制隧道掏槽爆破飞石范围,确保隧道爆破施工的高效性与安全性,利用离散元软件对掏槽体岩块抛掷堆积形态进行了数值模拟,结合某快速铁路单线隧道工程,研究了掏槽体岩块抛掷堆积形态及其主要参数。在对比分析掏槽体岩块堆积形态的模拟结果与实际测量结果的基础上,研究发现:掏槽体岩块的初速度为堆积形态的重要影响因素;在初速度为10 m/s的前提下,从爆破开始到岩体全部停止运动总共经历3.5 s,最终堆积形态近似于椭圆形;最大抛掷距离与前端堆积高度均符合工程实际测量结果。研究结果对隧道掏槽爆破设计和安全施工,具有重要的指导意义。

关键词：隧道掏槽爆破离散元数值模拟岩块堆积形态抛掷初速度

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

西柳沟流域水沙变化规律及时序演变模拟研究

西柳沟流域水沙变化规律及时序演变模拟研究

作者：付来臣内蒙古农业大学

学位级别：硕士

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于强化学习的激光导航无人车路径跟踪控制

沈阳工业大学学报 2024年第2期46卷 206-211页

作者：母军臣何洪辉开封大学信息工程学院河南开封475000 河南大学软件学院河南郑州450046

针对智能仓储无人车运动轨迹控制精度的问题,提出了一种基于强化学习的激光导航无人车路径跟踪控制算法。建立了智能仓储无人车的数学模型,设计了一种激光导航定位算法,提出了一种Actor-Critic强化学习路径跟踪算法,最终实现对无人车路... 详细信息

针对智能仓储无人车运动轨迹控制精度的问题,提出了一种基于强化学习的激光导航无人车路径跟踪控制算法。建立了智能仓储无人车的数学模型,设计了一种激光导航定位算法,提出了一种Actor-Critic强化学习路径跟踪算法,最终实现对无人车路径跟踪的高精度控制。通过对比仿真验证了设计的路径跟踪算法具有更优的控制效果和更高的控制精度,最大路径跟踪误差仅为0.3 m,最大x坐标跟踪误差仅为0.1 m,最大y坐标跟踪误差仅为0.29 m,大幅提高了对仓储无人车运动轨迹的跟踪精度。

关键词：智能仓储无人车激光导航路径跟踪定位算法强化学习跟踪控制高精度

新型高速低功耗SOI LIGBT机理研究与优化设计

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

新型高速低功耗SOI LIGBT机理研究与优化设计

作者：朱鹏臣电子科技大学

学位级别：硕士

基于喹喔啉酮C-3位官能团化反应一步构建新型N，O-二齿型BF2荧光分子的研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于喹喔啉酮C-3位官能团化反应一步构建新型N，O-二齿型BF2荧光...

作者：张帅臣中国中医科学院

学位级别：硕士

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于知识图谱与图注意力网络的电影推荐方法

基于知识图谱与图注意力网络的电影推荐方法

作者：李瀚臣安徽理工大学

学位级别：硕士

颈动脉体瘤术中颈内动脉损伤影响因素分析及术前CTA预测价值研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

颈动脉体瘤术中颈内动脉损伤影响因素分析及术前CTA预测价值研究

作者：王超臣中国人民解放军海军军医大学

学位级别：硕士

研究目的通过研究颈动脉体瘤(carotid body tumor,CBT)患者的一般情况、手术过程和计算机断层扫描血管成像(Computed Tomography Angiography,CTA)影像学特征,以探索CBT切除术中颈内动脉损伤的危险因素。研究方法本研究为单中心、回顾... 详细信息

研究目的通过研究颈动脉体瘤(carotid body tumor,CBT)患者的一般情况、手术过程和计算机断层扫描血管成像(Computed Tomography Angiography,CTA)影像学特征,以探索CBT切除术中颈内动脉损伤的危险因素。研究方法本研究为单中心、回顾性临床研究。根据纳入标准和排除标准,收集2015年6月至2023年6月,在海军军医大学第一附属医院血管外科就诊的CBT患者临床资料,所有患者均在本中心行颈动脉CTA检查并行CBT手术切除。本研究共统计134名CBT患者,单侧CBT患者124名,双侧CBT患者10名,平均年龄(43.62±11.78)岁,累计成功切除CBT 144例。随后,我们对患者的一般临床特征(性别、身高、体重、年龄等)、既往史(高血压、脑梗死、糖尿病等)及CT影像资料(CBT远端颈内动脉直径、颈总动脉直径、CBT最大直径、CBT与血管界限、CT值等)收集并整理,对影响因素进行单因素和多因素分析,以探索CBT切除术中颈内动脉损伤的相关危险因素。研究结果144例CBTs均完整切除,32例(22.22%)CBT在手术切除中出现颈内动脉损伤,其中ShamlinⅡ型CBT 5例,ShamlinⅢ型CBT 27例。年龄、CBT最大直径、净增CT值和CBT与颈内动脉的界限为CBT切除术中颈内动脉损伤的危险因素。32例行颈内动脉损伤的病例中,21例没有界限(65.6%)。通过多因素分析,对CBT是否与颈内动脉有界限进行分类,与颈内动脉无界限的CBT比有界限CBT术中颈内动脉损伤概率高86%(P<0.05)。通过阈值效应分析,本研究发现,当净增CT值小于139.85HU时,CT值越大,术中颈内动脉损伤概率越小。当净增CT值大于139.85HU时,CT值的增加与颈动脉损伤之间无显著相关性。研究结论CBT切除术中,颈内动脉损伤为CBT切除术中相对发生频率较高的手术不良事件。净增CT值是一项可以量化评估CBT硬度和血供的指标,其获取方法在临床上统一、准确、简洁。通过术前颈动脉CTA,可判定CBT与颈内动脉间是否存在界限。研究发现:***和颈内动脉没有界限时,术中颈内动脉损伤概率显著提高;2.净增CT值与颈动脉损伤呈负相关,提示血供丰富、质地较软的CBT,术中颈内动脉损伤概率较低。因此,通过术前CTA评估CBT和颈内动脉之间是否存在界限联合CBT净增CT值,可以有效预测CBT切除术中颈内动脉损伤事件发生风险,协助临床医生做好必要的术前的准备,制定完善的手术方案,减少因颈动脉损伤导致术中大量出血或术后卒中等不良事件发生。

关键词：颈动脉体瘤颈内动脉损伤肿瘤和动脉界限 CT值

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于频率特性的目标细微特征识别方法研究

基于频率特性的目标细微特征识别方法研究

作者：胡金臣电子科技大学

学位级别：硕士

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于图神经网络的会话推荐算法的研究

基于图神经网络的会话推荐算法的研究

作者：杜星臣长春工业大学

学位级别：硕士

传统的推荐系统主要基于用户的历史行为数据和商品的属性信息来进行预测,但在一些场景下难以适应用户偏好的变化和多样化的需求,因此基于会话的推荐方法应运而生。在会话推荐领域,基于图神经网络(Graph Neural Network,GNN)的方法表现... 详细信息

传统的推荐系统主要基于用户的历史行为数据和商品的属性信息来进行预测,但在一些场景下难以适应用户偏好的变化和多样化的需求,因此基于会话的推荐方法应运而生。在会话推荐领域,基于图神经网络(Graph Neural Network,GNN)的方法表现尤为突出。该方法通过GNN对会话进行建模,能够捕捉到会话内点击项之间的依赖关系,并将整个会话点击项序列作为一个信息来预测下一次点击项,从而显著提高模型的推荐精度。尽管GNN方法已经取得十分显著的效果,但仍存在一些不足。首先在获得项目嵌入和考虑项目之间的复杂过渡时,忽略了项目之间的时序关系;其次在预测候选项目时,没有考虑兴趣项目与所有项目之间的相关性,以及无法从多角度提取隐藏在会话序列中用户的长短期偏好,这些问题都会对模型的推荐性能造成影响。因此,针对以上问题,论文主要工作如下:(1)本文提出了一种结合长短期记忆网络和注意力机制的图神经网络会话推荐模型(Graph Neural Network Session Recommendation Model Combining Long Short Term Memory Networks and Attention Mechanisms,LAGNN)。该模型融合了长短期记忆网络(Long short-term memory network,LSTM)和图神经网络(Graph Neural Network,GNN)的优势,以捕获项目间的时序关系和复杂转换。然后将捕获到的项目间时序关系以及复杂的项目转换通过门控机制相融合,使得模型能够同时考虑顺序依赖性和全局上下文语义信息,从而获得准确的项目嵌入。为了考虑用户长短期偏好,引入多头注意力机制,通过多头注意力与软注意力相结合的方式,多角度提取用户的偏好。此外,还引入一种新颖的兴趣注意力机制,使兴趣注意模块可以在给定特定兴趣项的情况下揭示历史动作的相关性,从而进一步改善会话表示,提高推荐性能。(2)通过实验验证了所提出模型的有效性。在四个公开数据集上与六个代表性的现有会话推荐算法进行了比较,其中在Tmall数据集上,P@20达到了47.16%,提升超过18个百分点,MRR@20达到了17.39%,提升超过4个百分点,表明该模型显著地提高了推荐性能。为进一步验证模型各组成模块的有效性,进行了消融实验,结果显示引入的长短期记忆模块和注意力模块能够增强模型的推荐性能。此外,通过设计不同注意力机制的消融实验,进一步验证了引入的多头注意力机制和兴趣注意力机制对模型性能的积极影响。最后,通过超参数敏感度实验分析了关键参数对模型性能的影响。(3)基于上述研究成果,设计了一个原型商品推荐系统,该系统采用了基于LAGNN的推荐算法,以验证LAGNN模型在实际应用场景中的推荐效能。首先,对原始会话数据进行预处理,然后将处理过后的数据输入LAGNN模型进行训练,并通过模型微调以进一步优化其性能。随后,将训练完成的LAGNN模型集成到原型商品推荐系统中。用户在系统内进行操作时,通过调用LAGNN模型,为用户提供个性化的商品推荐服务,从而提高用户的满意度。

关键词：会话推荐图神经网络长短期记忆网络注意力机制原型推荐系统