摘要：在用户侧数据中,异常往往隐藏在复杂的时序关系中,传统的时序分析方法在处理用户侧数据中复杂的时序关系时存在困难,特征提取难以捕获关键特征,导致诊断精度低且易漏检。为此,研究一种基于深度并行时序网络的用户侧异常数据智能诊断方法。深度并行时序网络分解层利用滑动窗口法分割用户侧数据,得到数个窗口序列。编码层依据层叠时序卷积神经网络与长短期记忆(LSTM)网络建立编码器,提取各窗口序列的时空特征;解码层通过引入时间注意力机制的门控循环单元建立解码器,重构窗口序列的时空特征;推断层依据重构特征计算异常分数,当异常分数大于设置阈值时,说明该窗口内的用户侧数据为异常数据,即完成了用户侧异常数据的智能诊断。实验结果表明,所提方法可有效提取用户侧数据特征,计算异常分数,并完成用户侧异常数据智能诊断。

摘要：该系统旨在帮助学生在线学习C语言程序,并解决开发环境免安装的问题。开发工具包括Visual Studio Code、IntelliJ IDEA 2022.2.3、MySQL数据库、Postman接口测试工具、Tomcat网络服务器用于后端开发,***用于前端开发。后端使用Spring Boot、Spring Data JPA、JWT、Redis框架来实现MVC模式。前端基于Vue框架,使用Element-Plus和Vant组件库进行界面搭建,并采用Axios进行数据交互,同时通过Node调用GCC库处理C语言代码的编译。总体来说,该系统设计为一个完全前后端分离的Web应用。系统的前端主要包含C语言编译、全部题目列表、个人题目发布、个人信息管理、账号安全、代码保存、日志记录等模块。

摘要：马铃薯原料库内含有大量的余热和CO_2等污染物,需要及时排出。在COMSOL Multiphysics 5.3a环境下,以马铃薯贮藏库为研究对象,建立置换通风系统的参数化模型,分析库内气体的流线场和温度场,得出热气流卷吸排出余热和污染物的运动形式,即中心截面在高度为0.8m处温度降至10℃并保持稳定。对马铃薯原料库中置换通风系统的设计具有一定的参考意义。