检索结果-南通市图书馆

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

深度学习与历史学科核心素养目标的达成

历史教学（上半月） 2019年第8期 38-43页

作者：陈志刚王本涛广西师范大学历史文化与旅游学院

核心素养提出后,如何实现预期的课程目标,是课程改革关注的焦点。众多学者的研究结果表明.深度学习是落实各学科核心素养目标的基本途径'课改的本质是深度学习。深度学习能让学生独立思考,学会提出问题、解决问题.进而具有批判性思维”... 详细信息

核心素养提出后,如何实现预期的课程目标,是课程改革关注的焦点。众多学者的研究结果表明.深度学习是落实各学科核心素养目标的基本途径'课改的本质是深度学习。深度学习能让学生独立思考,学会提出问题、解决问题.进而具有批判性思维”。2根据深度学习的理论,目前一线历史教学大多开展的是浅层学习,而达成核心素养目标需要围绕深度学习进行教学。如何进行深度教学,笔者这里谈一些个人看法。

关键词：深度学习深度教学核心素养目标达成

在线全文

学校读者我要写书评

暂无评论

动车弓网电磁噪声建模及对通信影响的研究

铁道学报 2017年第11期39卷 66-70页

作者：刘铁杨维王一芃张健王本涛北京交通大学电子信息工程学院北京100044 济南铁路局济南西机务段山东济南250000 济南铁路局机务处山东济南250000

动车组非离线状态运行时,弓网接触点处会发生电晕放电现象。本文根据放电产生的等离子体建立电磁辐射天线阵模型,推导弓网非离线电磁辐射的场强计算公式,按照动车运行时的实际参数进行计算仿真,并进行实际测量。对比分析仿真数据和实测... 详细信息

动车组非离线状态运行时,弓网接触点处会发生电晕放电现象。本文根据放电产生的等离子体建立电磁辐射天线阵模型,推导弓网非离线电磁辐射的场强计算公式,按照动车运行时的实际参数进行计算仿真,并进行实际测量。对比分析仿真数据和实测数据,距离铁道中心线3 m以内的区域,计算结果与实测数据的相对误差约32%;距离铁道中心线5~6m以外的区域,计算结果与实测数据相对误差小于7.5%。考虑到现场行车走廊的安全空间,建议通信设备都安装在铁道线路两侧5~6m之外。

关键词：动车组弓网关系电磁噪声建模电场分布通信影响

在线全文

学校读者我要写书评

暂无评论

再制造工艺过程二阶优化决策方法

计算机集成制造系统 2010年第5期16卷 935-941页

作者：曹华军王本涛刘飞马家齐重庆大学机械传动国家重点实验室重庆400044

为形式化描述再制造工艺过程优化决策目标属性,从制造系统工程的角度建立了一种决策问题框架模型;为克服决策过程中存在的不确定性和信息不完整性,提出了一种基于专家评判及模糊回归理论的二阶段再制造工艺过程优化决策方法。其中决策... 详细信息

为形式化描述再制造工艺过程优化决策目标属性,从制造系统工程的角度建立了一种决策问题框架模型;为克服决策过程中存在的不确定性和信息不完整性,提出了一种基于专家评判及模糊回归理论的二阶段再制造工艺过程优化决策方法。其中决策方法第一阶段为工艺控制参量分析、专家方案制订、方案满意度评价阶段;第二阶段以控制参量值及满意度评价值为输入,进行模糊回归分析及优化决策计算,得出工艺控制参量方案的理论最优值及其决策目标满意度值。最后,通过某废旧机床导轨再制造工艺方案的决策案例,对该方法的具体应用和计算过程进行了验证说明。

关键词：再制造工艺规划优化决策专家评判模糊线性回归

基于STL与MMoE多任务学习的区域多光伏电站超短期功率联合预测方法

在线全文

学校读者我要写书评

暂无评论

电力系统及其自动化学报 2022年第9期34卷 17-23,31页

作者：王本涛白杨邢红涛徐岩国网呼伦贝尔供电公司呼伦贝尔021000 河北冀研能源科学技术研究院有限公司石家庄050071 华北电力大学电力工程系保定071003

随着光伏并网容量的不断增加,准确的光伏功率预测对电网安全稳定运行意义重大。本文提出一种基于季节性分解与MMoE多任务学习的区域多光伏电站超短期功率联合预测方法。首先,通过季节性分解获得光伏功率的周期分量、剩余分量与趋势分量... 详细信息

随着光伏并网容量的不断增加,准确的光伏功率预测对电网安全稳定运行意义重大。本文提出一种基于季节性分解与MMoE多任务学习的区域多光伏电站超短期功率联合预测方法。首先,通过季节性分解获得光伏功率的周期分量、剩余分量与趋势分量。其次,提出MMoE-LSTM-Attention网络来挖掘同一区域内不同光伏电站剩余分量与趋势分量之间的相关性,进行剩余分量与趋势分量的预测。最后,将分量进行汇总,得到光伏电站超短期功率预测结果。相较于传统基于硬共享机制的多任务学习模型,MMoE模型能够自动调整任务目标和任务间关系的参数权重。注意力机制能够进一步优化子任务的特征提取能力。在DKASC数据集上进行了算例实测,分别验证了季节性分解、MMoE多任务学习模型及注意力机制在区域多光伏电站功率预测问题上的有效性。

关键词：区域光伏功率预测 MMoE多任务学习注意力机制季节性分解

同方期刊数据库