一种新型的蜗轮副消隙装置

我厂生产的XNZD755型数控控卧式混联机床，其工作台为数控圆形回转台。它的回转运动由电机通过同步齿形带一级降速后驱动蜗杆、蜗轮副从而带动工作台的回转。因为该回转工作台的定位精度有较高的要求，这就使蜗轮副的消隙装置变得至关重要了，鉴于该工作台的直径较小，不宜采用传统的双蜗杆消隙方式，我们采用了如下图所示的结构：     

自适应的无线融断网络路由算法研究

无线融断网络具有长延时、高动态拓扑、链路不稳定等特点,伴随着网络联接缺乏源端到目的端的持续性,为解决网络通信困难的问题,将多头绒泡菌的智能性和自适应性引入,提出一种自适应的无线融断网络路由算法。搭建无线融断网络模型,推导出链路容量的数学表达;设计下一跳节点的选择策略和最佳路由选择策略,实现在融断网络环境下的数据尽力投递。仿真实验表明,该算法能够在网络开销率较低的情况下,达到良好的数据投递,且平均延迟小。     

车床快速强力车削蜗杆操作法

1．工作内容 1．1何种作业： 在苛通车床上快速加工单头、多头蜗杆。     

关于多头小直径深层搅拌截渗墙施工的初步探析

截渗墙成墙质量的影响因素较多,诸如地下水位的高低、水泥掺入量、水泥品种和标号、地下水和土壤含盐量及施工工艺等,均不同程度的对成墙质量发生影响。     

融合SikuBERT模型与MHA的古汉语命名实体识别

针对传统的命名实体识别方法无法充分学习古汉语复杂的句子结构信息以及在长序列特征提取过程中容易带来信息损失的问题,提出一种融合SikuBERT(Siku Bidirectional Encoder Representation from Transformers)模型与MHA(Multi-Head Attention)的古汉语命名实体识别方法。首先,利用SikuBERT模型对古汉语语料进行预训练,将训练得到的信息向量输入BiLSTM(Bidirectional Long Short-Term Memory)网络中提取特征,再将BiLSTM层的输出特征通过MHA分配不同的权重减少长序列的信息损失,最后通过CRF(Conditional Random Field)解码得到预测的序列标签。实验表明,与常用的BiLSTM-CRF、 BERT-BiLSTM-CRF等模型相比,该方法的F₁值有显著提升,证明了该方法能有效提升古汉语命名实体识别的效果。     

基于多特征融合和深度学习的微观扩散预测

准确地预测社交网络中的信息扩散节点可以对谣言、计算机病毒等不良信息的传播以及信息泄露做到早检测、早溯源和早抑制。为了提高微观扩散预测精度,该文提出了一个基于多特征融合和深度学习的微观信息扩散预测通用框架(MFFDLP)。为了获取信息扩散的时序特征,基于信息扩散序列和社交网络图,采用门控循环神经网络提取局部时序特征和全局时序特征,并融合形成信息扩散序列表征;为了获取用户交互行为和兴趣爱好的动态表示,根据历史信息构建信息扩散图,使用级联图注意力网络提取信息扩散子图中节点特征和边特征,并通过嵌入查找,融合形成当前信息扩散序列中相应节点的动态扩散表征;使用双多头注意力机制,进一步捕获静态和动态扩散特征的上下文信息,实现了高精度微观扩散预测。在3个公共数据集上的对比实验结果表明：所提方法优于对比方法,在微观扩散预测的精度上最高提高了9.98%。     

郭田勇:民间借贷应双线多头监管

<正>目前,我国采取的是"单线多头"的金融监管体制,即全国的金融监管权集中在中央,地方没有独立的权力。在中央一级形成了"一行三会"的多家机构共同负责的监管模式。银监会负责监管有国家颁发正式牌照的金融机构,没有牌照的民间借贷机构理论上银监会并不负责,不负责的这些领域一旦出现问题,很可能影响正规金融机构的稳定,这样就出现了民间借贷的监管缺失。此外,民间借贷领域所表现出的一些特点也表     

融合动态兴趣偏好与特征信息的序列推荐

传统的序列推荐通常忽略用户和项目特征信息的重要性,且无法有效对动态的兴趣偏好进行建模.因此,提出融合动态兴趣与特征信息的序列推荐算法.该算法通过对目标项目进行动态兴趣建模,克服兴趣转移带来的影响;同时融合用户和项目特征信息模拟真实的用户行为以提高推荐的性能.首先,针对动态兴趣建模,采用辅助函数应用下一个行为监督上一个隐藏兴趣状态的学习,并采用带注意力机制的门控循环单元为不同的兴趣状态对目标影响程度赋予不同的权重;然后,针对用户和项目特征信息特征融合,采用平凡注意力机制为影响目标项目的特征赋予不同的权重,并通过多头注意力机制进行深层次的特征提取;最后,融合用户动态兴趣表示和用户项目特征表示输入到多层感知机.在Yelp和MovieLens-1M数据集上进行仿真实验,结果表明提出模型的性能比一些基线模型有较好的提升.     

基于多头注意力胶囊网络的文本分类模型

文本序列中各单词的重要程度及其之间的依赖关系对于识别文本类别有重要影响。胶囊网络不能选择性关注文本中重要单词,并且由于不能编码远距离依赖关系,在识别具有语义转折的文本时有很大局限性。为解决上述问题,该文提出了一种基于多头注意力的胶囊网络模型,该模型能编码单词间的依赖关系、捕获文本中重要单词,并对文本语义编码,从而有效提高了文本分类任务的效果。结果表明:该文模型在文本分类任务中效果明显优于卷积神经网络和胶囊网络,在多标签文本分类任务上效果更优,能更好地从注意力中获益。     

多头蜗杆的快捷车削

多头蜗杆利用普通车床进行加工的效率和质量成了一个难题。本文针对多头蜗杆在加工过程中容易出现扎刀和分头精度难保证等问题进行分析,找出根源,在刀具角度和加工工艺上进行改进,叙述了如何在保证精度要求的前提下进行快捷车削的技能与技巧。