舆论演进中个体策略选择的仿真研究

建立了舆论演进过程的模型,并对其进行了仿真和分析.首先根据实际生活中人们进行观点交互时的行为,建立了具有可自行改变观点交互策略的舆论演进模型,并对参与舆论演进个体的记忆进行了建模.其次在该模型的基础上对不同参数下的多种情况进行了多次仿真,获得了与实际舆论演进情况相符的结果,并得到了舆论演进中个体策略选择的公平性结论.     

基于鸟击事故征候预测的通用航空安全研究

作为民航运输的两翼之一,通用航空安全水平直接影响民机系统的安全。目前,对通航以及鸟击事故征候进行预测的研究较少,本文根据收集到的美国从事通用航空活动发生鸟击事故征候安全状况数据,采用长短期记忆(long short-term memory, LSTM)神经网络模型对鸟击事故征候数据进行训练和预测。实验结果显示,与传统模型相比, LSTM模型具有更好的预测效果,精确度更高。基于此,提出了预测稳定性更好的LSMT-均方根误差(LSTM-root mean square error, LSTM-R)模型,为通用航空鸟击事故征候预测提供了手段和方法,加强了通用航空安全管理。     

一类非线性时滞系统时滞依赖干扰抑制

针对一类范数有界非线性不确定状态时滞系统,讨论其时滞依赖干扰抑制问题,得出了相应的LMI判据,通过设计的时滞依赖有记忆状态反馈控制律,可保证闭环系统的鲁棒稳定性且能优化二次型干扰抑制水平,当时滞较小时,具有较小的保守性,计算机仿真算例表明了该方法的有效性．     

融合DBN和BiLSTM的工业互联网入侵检测方法

针对当前工业互联网的攻击行为复杂,其网络数据具有海量、高维、时序性和非线性等特征,导致传统入侵检测方法的特征提取困难、检测率低、泛化能力差等问题,提出一种融合深度信念网络(deep belief network,DBN)和双向长短时记忆网络(Bi-directional long short-term memory,B...     

我国历史记忆与族群认同问题研究述评

历史记忆与族群认同问题是学术界研究的热点问题之一。新时期以来,我国学者对历史记忆与族群认同作了一系列卓有成效的研究,其成果丰厚,成绩斐然。本文对这一历史时段的相关研究成果进行述评,以期为今后的研究提供些许借鉴和启示。     

急性应激对小鼠空间学习记忆功能及脑内GDNF表达的影响

目的：探讨急性应激对小鼠空间学习记忆功能的影响及其机制。方法：采用足底电击的方法建立急性应激模型小鼠,通过Morris水迷宫实验观察小鼠空间学习记忆功能的变化;并且测定小鼠海马和前脑皮层胶质细胞源性神经营养因子的表达。结果：与对照组小鼠相比,在水迷宫实验中,急性应激组小鼠空间学习记忆显著提高（P〈0.05）;脑内海马CA1区、CA3区、齿状回和前脑皮层GDNF的表达明显增强（P〈0.01）。结论：急性应激使小鼠空间学习记忆功能的提高可能与GDNF表达的上调密切相关。     

“记忆”工程下的高校校史馆建设浅谈

校史馆作为回顾学校办学历程、传扬校园文化精神、宣传学校办学成就的高校记忆的载体逐步受到高校管理者的重视,建设校史馆已经成为近年高校工作的一个热点。面对校史馆建设热潮,我们在深入了解了部分高校的校史馆建设以及建成后期的管理和运营状况后,发现在教育宣传功能的开发利用上,一些校史馆表现不尽如人意,没能达到建设前预计效果,管理的涣散和运营的疲软造成校史馆馆藏资源的浪费。究其原因,一部分是后期管理的软件不达标,一部分是前期建设的硬件不完善所致。后期的软件不达标可以通过严格管理规范来修正,但前期建设硬件不完善则很难改变,往往成为建成后管理运营成败的决定性因素。     

利用2DGRA-BiLSTM模型的日前光伏功率曲线预测方法

为了克服光伏发电固有的间断性和波动性对电网稳定性的负面影响,提出一种二维灰度关联分析-双向长短期记忆神经网络(two-dimensional grey relational analysis and bidirectional long short-term memory network, 2DGRA-BiLSTM)模型,用于实现日前光伏功率曲线预测,以更好指导电网调度.不同于以往的点预测,本研究将日功率曲线作为整体进行预测.首先用2DGRA实现最佳历史相似日数据的获取;其次,根据日功率曲线的波动性将总数据分为3类;最后,根据3种分类,分别训练3种BiLSTM模型对日功率曲线进行预测.所提出的预测模型通过沙漠知识澳大利亚太阳能中心历史气象和功率数据进行训练,并通过数值天气预报和功率数据进行测试.对比其他几种神经网络模型,实验表明所提出模型具有更好的综合预测性能,在晴空、轻度非晴空和重度非晴空条件下,决定系数(R²)分别为0.994、0.940和0.782.     

一种基于记忆LUT的多倍频程预失真方案

针对多载波无线通信系统中多倍频程功率放大器存在的强非线性失真与记忆效应失真问题,提出了一种基于记忆查找表的LUT+MP多倍频程预失真方案。方案模型由记忆查找表(LUT)和记忆多项式(MP)串联构成,采用间接学习法的LMS和RLS算法对模型参数训练辨识。仿真结果表明,针对维纳模型高功率放大器,在输出功率回退OBO=2.27 d B时,对Wiener模型功放的三阶互调失真改善达到了55.9 d B,五阶互调失真改善达到了44.5 d B。与现有的LUT+FIR和LUT+并联FIR预失真方案相比较,能带来更好的建模精度和线性化效果。同时,设计使用的学习算法简单实用,稳定性能好。     

基于LSTM-CAPF框架的岸桥起升减速箱轴承寿命预测方法

岸桥起升减速箱轴承的健康状况对港口生产安全具有重要意义.针对岸桥变工况的工作条件,提出一种起升减速箱轴承的剩余使用寿命(RUL)预测框架.首先,对工作载荷进行离散化,并确定工况边界.然后,利用长短时记忆(LSTM)网络模型预测载荷和相应的运行工况.其次,以维纳过程为基础,建立了考虑不同工况下退化率和跳变系数的状态退化函数.最后,利用工况激活粒子滤波(CAPF)方法预测轴承退化状态和RUL.采用NetCMAS系统采集的上海某港口起升减速箱轴承全寿命数据验证了所提出的预测框架.与其他3种预测模式比较表明,所提出的框架能够在变工况条件下获得更准确的退化状态和RUL预测.