摘要：提出并建立了一个纵向振动超声马达的力学模型。阐述了超声马达的工作机理,对定子和转子在间断接触时的粘连和滑动做了理论分析,给出了马达的驱动力随时间连续变化的解析表达式。对超声马达的速度、输入输出能量和效率等进行了分析,特别讨论了驱动频率、初始压力、转子的转动惯量和外加力矩对马达特性的影响。数值结果表明,按照本文模型得到的结论与模拟结果和实验结果相吻合。这些结论与结果为超声马达的构造、设计和控制等提供了可资参考的理论依据。

摘要：提出一种有关超声马达频率温度特性的分析方法 .通过阐述超声马达内部压电元素的振动过程 ,分析影响超声马达频率温度特性的主要因素 ,并给出其共振频率随温度变化的解析表达式 ,为超声马达的构造、设计和控制等提供了可靠的理论依据 .数值结果表明 。

摘要：重叠社区发现是复杂网络研究的重要课题.提出一种基于标签传播的重叠社区发现算法.首先利用标签传播算法得到初始无重叠社区划分结果,之后通过设计新的重叠节点识别算法确定重叠节点,最后再根据重叠节点的识别结果对社区进行合并从而得到最终的重叠社区划分结果.该算法克服了已有算法重叠节点占比过大的弊端.为验证算法的有效性,在LFR人工数据集、3个标准公开测试集以及真实的大豆基因共表达网络上进行实验,并与已有算法进行对比.实验结果表明,该算法性能明显优于对比算法,极大地改善了重叠节点比重过大问题.

摘要：随着远程教育报名人数的与日俱增,传统的电话咨询、现场报名的方式已经不能满足短时间内庞大的学生报名需求。本文通过分析远程教育招生报名系统的开发环境、报名管理需求、工作流程和报名系统的功能模块,设计了基于***与sql server的远程教育招生报名系统,阐述了缓存优化技术和在线咨询2个关键技术,以实现远程异地报名,有效地解决了传统报名的工作量大、效率低的弊端。

摘要：无监督的自组织映射(SOM)神经网络是用于聚类的主要人工神经网络模型之一。在SOM网络的基础上改进了网络中的邻域函数,并将其用于对股票进行分析和选择,得到了令人满意的结果。为了提高解的精度,避免多个输入样本映射到同一输出节点还提出了禁忌映射的方法。数值模拟表明该模型对于上市公司的聚类结果令人满意,对于股民客观、准确地选出真正具有投资价值的股票具有指导意义。

摘要：为了解决语音识别模型在识别中文语音时鲁棒性差,缺少语言建模能力而无法有效区分同音字或近音字的不足,本文提出了融合语言模型的端到端中文语音识别算法.算法建立了一个基于深度全序列卷积神经网络和联结时序分类的从语音到拼音的语音识别声学模型,并借鉴Transformer的编码模型,构建了从拼音到汉字的语言模型,之后通过设计语音帧分解模型将声学模型的输出和语言模型的输入相连接,克服了语言模型误差梯度无法传递给声学模型的难点,实现了声学模型和语言模型的联合训练.为验证本文方法,在实际数据集上进行了测试.实验结果表明,语言模型的引入将算法的字错误率降低了21%,端到端的联合训练算法起到了关键作用,其对算法的影响达到了43%.和已有5种主流算法进行比较的结果表明本文方法的误差明显低于其他5种对比模型,与结果最好的Deep⁃Speech2模型相比字错误率降低了28%.

摘要：该文首先对基于角色的访问控制（RBAC）模型的基本概念作了详细的阐述，然后，结合考试管理系统，重点介绍了Web考试管理系统数据库的设计方法，以及用户角色、角色权限的设计理念。通过该考试管理系统的实际应用表明，RBAC是一种方便、安全和快捷的权限控制机制。