抛物方程非特征柯西问题的分数次Tikhonov方法

讨论了一个不适定的抛物方程的非特征柯西问题,为了解决这个问题,采用了分数次Tikhonov正则化方法,并提出先验和后验两种参数选取规则下的稳定误差估计。     

变分不等式的惯性次梯度外梯度算法

在实Hilbert空间中提出求解单调变分不等式的惯性次梯度外梯度算法，其中变分不等式的可行集是一个光滑凸函数的水平集.新算法应用惯性加速技巧，迭代过程中对映射F赋值一次，并只需向两个半空间作投影两次.在适当的假设下，证明该算法的弱收敛性.新算法改进和推广相关文献中的相应结果.     

一起无励磁分接开关事故分析

对一起由无励磁分接开关(OCTC)误操作引起的变压器事故进行分析,阐述了事故现象、吊罩检查结果、事故原因等方面内容,同时介绍了一种笼型无励磁分接开关(DEETAPRDU)的工作原理。总结事故经验教训,指出无励磁分接开关用户在管理上和技术上存在的问题,为日后用户对分接开关的操作和管理提供经验借鉴。     

大容量宽带卫星通信系统的下行高效传输方法

针对基于非再生式星上处理的大容量宽带卫星通信系统下行链路采用频分复用(FDM)传输方式效率低、性能差的问题,提出并论证了两种特殊的连续波时分复用(CWTDM)方法——分帧交织叠接相加法(AFO)和准正交时分复用(QOTDM)法。首先,两种方法均先将待传输的各路基带复信号采样量化;然后,AFO方法对量化信号进行分帧叠接相加后加上帧头构成复用帧进行下行传输,QOTDM方法采用样点交织的时分复接再添加同步序列后转化为连续信号进行传输。AFO方法对信号复接、分接的处理简单;QOTDM方法复接时只需每路缓存一个样点,有利于实现更大容量的星上交换。与FDM下行传输方式相比,这两种方法的功率效率更高、链路特性更好。仿真结果表明,相较FDM传输方式,QOTDM方法的256个载波下的信干比可提高10dB,子信道隔离度可达到实用要求。     

基于关键用户的非均衡热传导与物质扩散算法

物质扩散和热传导算法作为2个经典的基于网络结构的算法被普遍用于信息过滤.然而，现有的算法将所有的用户等同看待，没有区分不同用户的贡献，也没有移除恶意用户，从而导致性能不理想.针对这一问题提出基于关键用户的非均衡热传导与物质扩散算法（core-UHM），用以解决教育资源库中的高质量资源检索问题.算法的背后思想主要是基于信息领域中的帕累托法则，也即是20%的用户主导着整个系统中80%的交互.基于关键用户不仅能够保证资源的质量，同时也大大节省了计算开销.通过在真实的学术搜索日志数据集上的实验，证明了算法的有效性.     

采煤机记忆截割技术研究

为实现自动化采煤,需要实现煤岩分界面的自动确定。本文介绍了采煤机记忆截割的工作原理,并根据采煤机截割系统的特点,选择了迭代学习控制来实现记忆截割。此外,还建立了截割系统的动力学方程,以采煤机摇臂摆角作为控制量,并通过MATLAB仿真进行验证。仿真结果表明,基于迭代学习控制的采煤机记忆截割能够实现对煤岩分界面的轨迹跟踪。     

中国劳动力市场收入户籍歧视的无条件分位数分解

使用无条件分位数分解方法对2007年中国劳动力市场的收入户籍歧视程度进行了考察.实证分析的结果显示:从整体上看,2007年户籍歧视可以解释农民工和城镇职工平均收入差距的近三分之一,且歧视效应随收入分位提高而增加;从分项贡献来看,各自变量对收入差异的影响随收入分位变动明显.根据实证分析得出的政策建议为:当政策目标为缩小高收入分位的群体收入差异时,消除户籍歧视的政策效果更好;而当政策目标为缩小低收入分位的群体收入差异时,缩小两群体禀赋差异的政策效果更好.     

基于层次分析法的大学生就业质量影响因素研究——以石家庄市市属高校为例

为了获得影响大学生就业质量的关键因素,通过对石家庄市属高校的学生的调查,使用层次分析法对影响因素进行了分析,结果显示应用层次分析法所得结果与问卷直接分析结果一致,表明学生价值观在就业质量自我评价中发挥着重要作用,同时也验证了层次分析法是分析影响大学生就业质量的关键因素的有效工具。     

网络环境下职业英语分方向教学模式研究

我国目前高职公共英语的教学模式一直受传统英语教学的影响,许多高职院校公共外语选用的教材都是普通英语教材,这样的教材只能满足日常生活的普遍需要,缺乏与学生专业有关的专业知识。本文拟利用丰富的网络资源,创建一种公共英语分向教学模式,让不同专业的学生根据其职业发展方向自主选择学习内容,以此来实现高职公共英语个性化、最优化的教学方式。     

基于VMD-BO-BiLSTM的猪肉价格预测模型

基于猪肉价格的非线性与波动性特性，提出一种基于变分模态分解（variational modal decomposition, VMD）和贝叶斯优化（Bayesian optimization, BO）的双向长短时记忆（bidirectional long short-term memory, BiLSTM）网络的猪肉价格预测方法。首先采用变分模态分解对数据进行预处理，将数据分解为具有相对简单波动的子序列；然后通过贝叶斯算法对双向长短时记忆网络模型的第1、2隐含层神经元数目、学习率和批次大小进行寻优，根据寻优的结果建立预测模型。实验结果表明：VMD-BO-BiLSTM方法的平均绝对误差、均方根误差、平均绝对百分比误差和确定系数分别为1.101 214、1.466 100、0.040 631、0.987 760，相比传统单一的LSTM,BiLSTM模型精确度更高，有更高的适用性，适合对猪肉价格预测。