增强型注意力网络点击通过率预估方法

针对以往模型在对点击通过率(click-through rate,CTR)进行建模预测时,存在着特征重要性学习不足、特征交互低效等问题,提出了一种增强型注意力网络预估模型,用于动态学习特征重要性和特征交互信息,模型主要由注意力层、双线性交互层和全连接神经网络层构成。注意力层的多尺度多头自注意力机制通过设置不同尺寸子空间增强特征重要性学习能力,在得到特征重要性后,进一步采用张量积双线性交互学习特征交互信息。通过对注意力的子空间尺寸大小、张量积交互形式、神经网络层数和节点个数等进行定量分析,确定模型的最佳参数。实验证明,该模型相比已有模型拥有更好的预测能力。     

基于STM32智能温控自调速风扇PID控制研究

智能温控自调速风扇以STM32单片机为MCU,通过对环境温度、PWM占空比和被控制电机的工作电压之间的映射关系建立了三者彼此之间的数学模型。建立三点加权平均数据处理模型对采集的温度数据和电机两端的电压数据进行处理。在增量式PID算法中加入STM32对PWM占空比的实时控制,从而实现了对电机的实时恒压控制,以6 V小型风扇为实验对象,实验结果表明电机从启动经过2 s左右的时间就能达到控制电压,通过温度阶跃响应实验,表明了电机对温度阶跃响应具有较快的响应速度和较高的控制精度。     

基于分形残差网络的单幅图像超分辨率重建

近年来,各种基于卷积神经网络的单幅图像超分辨率方法取得了优异的性能提升.现有的超分辨率网络大多数都是使用单种尺度的卷积核来提取低分辨率图像的特征信息,这样很容易造成细节信息的遗漏,也无法很好地利用低分辨率图像的多尺度特征来提高图像的表达能力.为了解决超分辨率重建中存在的问题,提出了一种新的超分辨重建方法称为分型残差网络...     

Ⅰ型蜂窝板埋件强脱分析与临界力矩试验研究

为适用卫星上高导热石墨膜新工艺应用，分析了Ⅰ型埋件拉脱现象及其产生原因、机理，进行了工艺基础研究，为星上导热石墨膜技术普及奠定了基础。通过对Ⅰ型埋件拉脱现象分析，得出其中7个影响变量或潜在影响变量，并分析得出螺钉规格、蜂窝板厚度及埋件有无自由移动间隙3个变量可作为试验研究变量。进行M5-TB3和M6-TB3规格的钛合金紧固件在不同厚度蜂窝板的有间隙情况临界力矩拉脱试验，通过多项式拟合、反向传播（back propagation,BP）神经网络拟合等方法对数据进行了处理，得出了试验结论。本文研究成果可为卫星热控设计和总装集成提供有力参考。