基于深度学习的电力数据分析研究

针对传统电力数据分析方法存在适用范围有限、模型复杂等导致电器分类准确率较差的问题,提出了一种基于多层堆叠长短期记忆(Long short-term memory,LSTM)网络的电力数据分析模型。首先,根据电力数据的频谱图、Mel频率倒谱系数(Mel-Frequency Cepstral Coefficient,MFCC)和Mel频谱图提取电力数据的特征,然后将其应用于深度学习模型并提高分类任务的性能,从而改善过拟合问题。其次,建立了一个多层堆叠LSTM模型,从而有效提高模型的分类和回归能力。最后,提出了一种改进的软独热编码和多尺度训练方法,从而防止峰值概率分布,提高模型的泛化能力。实验阶段,以家庭电力数据集为例,对所提模型进行验证。仿真结果表明,所提模型软独热编码及多尺度训练对加快训练效果具有一定效果,最终分类准确率到达89.85%。     

一种基于专家规则系统的仓储弹药调度优化方法

由于弹药调度过程中发生的突发情况，如吊车故障、人员受伤等问题的不确定性，传统数学优化方法难以完全解决。因此，提出了一种基于专家规则库的问询派发子任务方法，能很好地和数学优化算法相结合，解决了上述弹药调度过程中的不确定情况与突发情况，并且该算法具有便于计算机编程实现的优点。     

自愈合聚合物复合材料的研究进展蔡

介绍了模仿人体自愈合生理机能的聚合物复合材料的研究进程,探讨了自愈合聚合物复合材料
应用比较多的微胶囊、液芯纤维、仿人体毛细血管丛的自愈合模型与原理,展望了自愈合聚合物材料的应用前
景。