检索结果-南通市图书馆

基于粗糙三角模糊数的邮轮建造舾装物流集配流程风险评估

在线全文

学校读者我要写书评

暂无评论

安全与环境工程 2019年第2期26卷 117-123页

作者：王海燕万忠菊赵宗可谢云云武汉理工大学交通学院湖北武汉430063

针对邮轮建造舾装物流集配流程中风险评价的繁杂性、评价对象的多样性、评价信息的模糊性和不确定性等问题,通过对邮轮建造舾装物流集配流程的分析,构建了一套较为科学、全面的邮轮建造舾装物流集配流程的风险评价指标体系;为降低指标... 详细信息

针对邮轮建造舾装物流集配流程中风险评价的繁杂性、评价对象的多样性、评价信息的模糊性和不确定性等问题,通过对邮轮建造舾装物流集配流程的分析,构建了一套较为科学、全面的邮轮建造舾装物流集配流程的风险评价指标体系;为降低指标间的重复率及剔除对集配流程风险影响较小的指标,利用粗糙集理论对指标进行简化处理,得出对集配流程影响程度较高的风险指标因素;同时为了降低评价信息的模糊性、不确定性以及提高评价结果的准确性,利用三角模糊数对专家的判断意见及定性评价进行定量化处理;最后根据风险评价的结果,并结合邮轮建造舾装物流集配流程,提出了有针对性的风险管控措施,对邮轮建造舾装物流集配流程中的风险管理具有重要的参考意义。

关键词：邮轮建造舾装物流集配流程风险评价三角模糊数粗糙集理论

在线全文

学校读者我要写书评

暂无评论

靓汤谱

作家 2024年第9期 172-188页

作者：赵命可不详

岭南的秋天,就像人的命运,你还没来得及品味,就悄然而去。秋雨秋风才折腾了一夜,早晨醒来,房间里就有了寒意,看看手机上的天气,气温骤然下降到了10度,岭南的10度,冬装就要上身了。昨天参加完编委黄江的追悼会,大伙心情都不怎么好,黄江... 详细信息

岭南的秋天,就像人的命运,你还没来得及品味,就悄然而去。秋雨秋风才折腾了一夜,早晨醒来,房间里就有了寒意,看看手机上的天气,气温骤然下降到了10度,岭南的10度,冬装就要上身了。昨天参加完编委黄江的追悼会,大伙心情都不怎么好,黄江还有半年就退休了,值夜班时,在办公室晕倒,就再也没有醒来。

关键词：人的命运手机秋雨

基于参数优化变分模态分解的瞬时模态参数识别

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

航空动力学报 2024年第4期39卷 143-150页

作者：陈祥祥史治宇赵宗爽南京航空航天大学航空学院机械结构力学及控制国家重点实验室南京210016 中国商用飞机有限责任公司上海飞机制造有限公司上海201324

针对变分模态分解的模态数和二次惩罚因子难以确定的问题,提出了基于正交性指标、能量比值和变分能量熵的参数优化算法;对于分解得到的单分量信号,发展了基于多项式调频小波变换的瞬时频率识别方法和基于能量法的瞬时阻尼比识别方法。... 详细信息

针对变分模态分解的模态数和二次惩罚因子难以确定的问题,提出了基于正交性指标、能量比值和变分能量熵的参数优化算法;对于分解得到的单分量信号,发展了基于多项式调频小波变换的瞬时频率识别方法和基于能量法的瞬时阻尼比识别方法。开展了三自由度时变结构仿真研究和时变钢梁实验研究。研究结果表明:优化后的变分模态分解法能够精确分离多自由系统的各阶时变分量,具有较强的抗噪性能;基于多项式调频小波变换的瞬时频率识别方法具有很强的时变频率追踪性能、抗噪声能力强,时变频率识别精度高,平均误差不超过1%;能量法能够较准确地识别结构的瞬时阻尼比,识别误差保持在10%左右,抗噪优势明显。

关键词：模态参数识别参数优化变分能量熵变分模态分解多项式调频小波变换能量法

《习典明理-汉语成语故事》系列融媒体视频创作阐述

在线全文

学校读者我要写书评

暂无评论

《习典明理-汉语成语故事》系列融媒体视频创作阐述

作者：宗可瑜中国传媒大学

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

引燃建筑保温材料的电焊熔珠特征规律研究

引燃建筑保温材料的电焊熔珠特征规律研究

作者：赵宗玉安徽理工大学

学位级别：硕士

基于残差机制的异质图神经网络表示学习方法及应用研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于残差机制的异质图神经网络表示学习方法及应用研究

作者：赵宗星烟台大学

学位级别：硕士

异质图神经网络作为一种图表示学习方法,利用图拓扑信息实现对不同类型节点之间复杂关系的表示学习,使得对复杂关系网络的建模更加准确和全面。由于异质图神经网络在处理异质图数据的关系时展现出显著的优势,广泛应用于图数据挖掘、社... 详细信息

异质图神经网络作为一种图表示学习方法,利用图拓扑信息实现对不同类型节点之间复杂关系的表示学习,使得对复杂关系网络的建模更加准确和全面。由于异质图神经网络在处理异质图数据的关系时展现出显著的优势,广泛应用于图数据挖掘、社交网络分析和推荐系统等领域。随着异质数据复杂性、网络信息规模的增加,如何训练一个高效的异质图神经网络模型至关重要。目前,大多数异质图神经网络所基于的图数据中常缺乏必要的属性信息,且一些固有信息由人工添加,表现为数据的不可靠性;此外,真实的数据系统在受到噪声干扰和对抗性攻击等因素时可导致真实数据信息发生改变,异质图神经网络在面临存在异常特征的图数据时学习能力会大大降低;更进一步,当网络模型在提升预测精度时,常常由于层数过深导致数据过拟合和梯度消失。残差机制通过设计跨层的跳跃连接,可提高跨层信息融合精度、缓解梯度消失、增强模型的学习和泛化能力,是解决上述问题的有效方法。因此,本文开展基于残差机制的异质图神经网络表示学习及应用研究,主要内容包括如下三个方面。(1)基于残差注意力机制异质图属性补全的表示学习方法研究针对异质网络中节点的属性缺失、过拟合和梯度消失的问题,本文提出基于残差注意力机制的异质图神经网络属性补全框架。首先,节点嵌入层利用类型转换矩阵,将多维异质数据映射到低维向量空间,保证数据特征维度的一致性。而后,利用残差注意力网络层,计算目标节点的邻居节点属性,学习生成缺失的节点属性,并将学习到的属性作为目标节点的属性信息。然后,将本框架与图神经网络模型结合,在迭代训练中实现图属性的节点表示与获取。此外,通过设计节点分类、聚类和消融实验,结果表明该模型具有良好的泛化能力和鲁棒性。(2)基于自适应残差注意力机制的异质图结构优化表示学习方法研究针对异质网络中存在不可靠图结构以及特征聚合丢失信息的问题,本文提出基于贝叶斯图结构优化的自适应异质图神经网络模型。首先,利用贝叶斯图结构优化和消息传递的角度优化初始图结构,提出消息传递框架中的贝叶斯图结构优化算法,用于优化底层表征图结构。其次,基于拉普拉斯平滑方法分析异质图神经网络中聚合节点特征时存在异常的原因,利用自适应残差网络层,平衡消息传递特征聚合和残差连接难以表征异常数据的性能。然后,通过设计带有异常特征的真实数据集节点分类实验验证上述方法,实验结果表明该模型具有良好的分类精度。(3)基于残差异质网络的多任务分配表示学习方法及应用研究针对传统面向移动群智感知平台的任务分配算法忽略工人和任务属性异质性问题,本文提出基于异质残差网络的多属性E-CARGO(环境类、任务、角色、组、对象)任务分配模型。首先,多属性E-CARGO模型将任务分配问题建模为一个连续的决策过程,对移动群智感知平台的工人与任务利用组分配策略实现相似性分组,工人与任务符合可依赖关系。其次,利用基于集成深度学习框架的异质残差网络自适应学习工人与任务之间的关联权重,按照权重优先级为工人分配任务。然后,利用策略网络计算工人与任务之间的状态变化,设计工人满意度函数衡量任务分配方案的可行性。此外,通过模拟大量现实场景下任务与工人之间的需求问题,利用多个移动群智感知平台数据集验证上述方法实现任务分配的有效性。本文分别针对异质图数据属性缺失、异常数据难以表征以及易忽略异质属性工人与任务分配关系的问题进行了研究。但是,异质图表示学习模型面对在大量异常数据、大型网络环境下存在鲁棒性低、计算复杂度高等问题,是未来值得探索的研究内容。

关键词：异质图神经网络残差机制异质图表示学习任务分配

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

湍流度对风力机翼型振动特性影响的试验研究

湍流度对风力机翼型振动特性影响的试验研究

作者：赵宗翰石家庄铁道大学

学位级别：硕士

5100 m^(3)高炉喷煤系统动力管网稳定低耗系统攻关技术评价

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中国矿业 2024年第S1期33卷 274-277页

作者：赵宗垚山东钢铁集团日照有限公司炼铁厂山东日照276800

喷吹系统作为高炉重要的辅助系统,24 h连续、不间断地为高炉喷吹煤粉,检修项目只有借助休风机会来完成,喷吹系统的波动直接影响高炉的稳定性。如果喷吹系统出现故障,就会停煤,影响高炉炉况减风,破坏高炉长期稳定的生产状态。保证喷吹系... 详细信息

喷吹系统作为高炉重要的辅助系统,24 h连续、不间断地为高炉喷吹煤粉,检修项目只有借助休风机会来完成,喷吹系统的波动直接影响高炉的稳定性。如果喷吹系统出现故障,就会停煤,影响高炉炉况减风,破坏高炉长期稳定的生产状态。保证喷吹系统稳定,备用系统的创新优化时最大限度降低因喷吹故障无法运行对高炉产生的影响,确保喷吹系统煤粉输送的连续性、稳定性、准确性,保障高炉顺行。

关键词：高炉喷煤低耗系统技术评价

基于FRL-Net的高鲁棒性多尺度小样本轨道入侵异物检测方法研究

在线全文

学校读者我要写书评

暂无评论

仪器仪表学报 2024年第1期45卷 239-249页

作者：赵宗扬康杰虎吴斌叶涛张振天津大学精密测量技术及仪器全国重点实验室天津300072 中国矿业大学(北京)机电与信息工程学院北京100083

针对轨道入侵异物严重威胁行车安全,而基于广义深度学习的目标检测方法无法打破大数据驱动的训练壁垒、小样本目标检测方法在复杂轨道环境中对多尺度入侵异物检测能力差、鲁棒性低等问题,本文提出了一种高鲁棒性多尺度小样本轨道入侵异... 详细信息

针对轨道入侵异物严重威胁行车安全,而基于广义深度学习的目标检测方法无法打破大数据驱动的训练壁垒、小样本目标检测方法在复杂轨道环境中对多尺度入侵异物检测能力差、鲁棒性低等问题,本文提出了一种高鲁棒性多尺度小样本轨道入侵异物检测模型。该模型采用元学习策略,通过多尺度小样本入侵异物特征提取模块增强模型对于不同尺度小样本异物特征的表达能力。使用轨道入侵异物元特征精准重加权模块对小样本异物的元特征进行精准优化。提出小样本轨道入侵异物检测优化模块进一步提升模型的检测性能。实验结果表明,该模型在7-way 30-shot的小样本轨道异物检测任务中的平均检测精度为81.8%,比FSRW高3.2%,更适合在实际轨道环境中检测多尺度小样本入侵异物。

关键词：轨道入侵异物元学习小样本目标检测多尺度深度学习