超幂零根环类的另一种模刻划

本文对Ｓｚａｓｚ，Ｆ．Ａ提出了的“找出超幂零根环类的一个模刻划”问题给出了一个不同于文献「２，３」的解法。     

子群是正规子群的一个充分条件

判断子群是否为正规子群有多种方法,本文从有限群与其子群阶的关系上,给出子群是正规子群的一个充分条件。     

Erds 等人的一个定理的新证明

本文给出定理:“在2n—1个整数中,必有n 个数,它们的和被n 整除”的一个新的证明,它无需先讨论n 为素数。     

奶畜应喂多汁饲料

多汁饲料有根茎类（如甘薯、马铃薯）、直根类（如胡萝卜）和瓜类（如南瓜）之分。它以含水量大、干物质中糖和淀粉多、维生素丰富、适口性好、消化率高，成为奶畜最爱吃的必备饲料之一。现就是常见的多汁饲料的利用方法介绍如下。     

谈电工类技能教学中学生综合能力的培养

在电工类技能教学中，应当加强对观察能力、思维能力、探索能力、创新能力、总结能力、适应能力的培养。     

类乘法半模和类余乘法半模

作为类乘法模和类余乘法模的真推广,引入了类乘法半模和类余乘法半模的概念.设S是交换半环,M是S-半模.若对M的任意非零子半模N,有Ann_S(M)?Ann_S(M/N),则称M是类乘法S-半模;若对任意真subtractive子半模N,有Ann_S(M)?Ann_S(N),则称M是类余乘法S-半模.讨论了类乘法半模与类余乘法半模的性质;证明了M是次S-半模当且仅当对M的任意真subtractive子半模N,Ann_S(M/N)=Ann_S(M)当且仅当P=Ann_S(M)是S的素理想且M是可除S/P-半模;证明了类乘法半模是semi-hopfian半模且类余乘法半模是semicohopfian半模.     

虚拟GDB远程调试技术及其在硬件仿真器中的应用

为了解决当前硬件仿真器采用测试激励与探针采样调试方法导致的额外硬件资源需求增加以及调试方法复杂死板的问题,研究出一种虚拟GDB远程调试技术提高硬件仿真器的调试能力。首先,使用JTAG的消息代理器与事务处理器进行软件与硬件的信息交互,实现计算机与硬件仿真器的通信;然后,通过VPI接口实现GDB与JTAG代理器的软件信息交互,完成虚拟GDB调试;最后,在硬件仿真器中进行应用实验。结果表明,虚拟GDB远程调试系统可支持断点插入、单步运行、寄存器读写等功能,与插入探针的调试方法相比,使用虚拟GDB调试提速近百倍。虚拟GDB远程调试技术丰富了硬件仿真器的软件调试手段,增强了硬件仿真器的调试能力,提升了芯片设计验证效率。     

基于梯度加权类激活热力图的卷积神经网络故障诊断模型鲁棒性分析

深度学习近年来在故障诊断领域受到广泛应用,但基于深度学习的故障诊断模型缺乏工程上的物理解释性,难以保证其故障诊断结果的稳定性。以轴承为例,建立了以小波时频图像为故障诊断依据的卷积神经网络模型(convolutional neural network, CNN),提出了一种基于梯度加权类激活热力图(gradient-weighted class activation map, Grad-CAM)的网络模型鲁棒性分析方法,并利用美国凯斯西储大学(Case Western Reserve University, CWRU)轴承数据集进行验证。首先,将故障直径轴承数据以不同方式混合并训练大、小多个模型。其次,利用Grad-CAM方法,建立时频区域与故障模式之间的联系。最后,利用其他工况下的轴承故障数据,以及含噪数据进行测试,并根据结果结合模型最注重的时频区域进行分析。结果表明,基于深度学习的轴承故障诊断模型在参数较少时更加注重低频区域,并能使其具有更好的鲁棒性。     

基于三支决策的密度敏感谱聚类

将三支决策与密度敏感谱聚类结合,提出了一种基于三支决策的密度敏感谱聚类算法。该算法通过在密度敏感谱聚类的聚类过程引入容差参数得到每个类的上界,然后通过扰动分析算法从上界中分离出核心域,上界和核心域的差值被认定为该类的边界域。聚类结果用核心域和边界域来表示每个类簇,可以更全面地展示数据的结构信息。与传统的硬聚类算法在UCI数据集的实验结果相比较,本文使用核心域计算聚类的评价指标DBI、AS和ACC都有所提升,较好地解决了不确定性对象的聚类问题。     

潜在表示学习框架下的低冗余多视图聚类算法

基于潜在空间学习的多视图聚类研究得到了较大发展,但其通常忽略了原始数据中冗余信息的存在可能会带来不理想的聚类结果。为解决这个问题,提出一种潜在表示学习框架下的低冗余多视图聚类算法。基于k-means的方法,直接从各视图数据学习其低维表示,由于该低维表示的各个特征相互正交,学习到的低维表示通常含有较少的冗余信息。基于潜在空间的假设,各视图的低维表示可由同一个潜在表示投影得到。将两者结合,就能得到一个具有低冗余信息的统一的潜在表示。设计了一个优化算法来求解目标问题,在多个公开数据集上的实验表明了该算法的有效性。