摘要：深度学习模型相比于常规机器学习模型能够更准确地预测盾构姿态,但在增加网络层数以提升性能时,常遇到网络退化问题。为解决此问题,提出基于深度残差LSTM的盾构姿态预测方法。该方法将残差连接融入长短期记忆(LSTM)神经网络,提升深层网络训练的可行性,并可以有效学习盾构时序数据中的长期依赖关系,同时利用贝叶斯优化算法进行超参数调优。依托浙江某盾构工程数据集对所提方法进行验证,以盾尾水平偏移预测为例,深度残差LSTM模型预测的决定系数(R^(2))达到了0.90,平均绝对误差(MAE)为0.76 mm,相较于LSTM模型(R^(2)为0.64,MAE为1.08 mm)和人工神经网络模型(R^(2)为0.68,MAE为1.93 mm),深度残差LSTM模型可以更准确地预测盾构姿态。此外,与LSTM模型相比,深度残差LSTM模型能有效利用更多的网络层(从5层增加到8层),证明了残差连接在防止网络退化、加强盾构数据特征学习能力方面的显著作用。

摘要：物理实验被誉为'工程师的奠基课'并已被建设成为我校首批优秀课程之一。但在人类即将拍打21世纪的大门之时,我们必须未雨绸缪,认清形势,发现问题,准确把握物理实验课程的发展方向,制定物理实验课程改革目标,以迎接21世纪人才培养的挑战。1 物理实验面临的新形势物理学是一门实验科学,物理实验不仅仅是物理探索的手段,而且成为新技术的生长点和诞生的摇篮。20世纪以来,几乎所有重大的新技术(如电子学、原子能、激光和信息技术等)的创立,事先都在物理学中经过了长期的酝酿,而后才从物理实验室中生长出来的,如离子注入、

摘要：1丈夫是个逃犯，在外逃亡整整六年了。对于琴来说，这六年是人生再漫长不过的冬天。　　2接到丈夫的电话，琴几乎要晕倒。琴强忍着泪水用力去听电话里的声音，在确认电话那头的人是丈夫以后，她终于哭了：“你在哪里？”

摘要：版图设计是现代高性能集成电路设计中的重要研究课题。本文综述了集成电路版图设计中的自动布局和布线问题及其方法，并指出将来的研究及发展趋势。