实现记忆的基本电子器件--触发器

触发器是一种双稳态逻辑元件，由于它能寄存数码“0”或“l”，因此常被用来记忆和存储各种数字信息。它是一种重要的基本单元电路，用它还可进一步组成计数器、移位寄存器等其他逻辑部件及各种逻辑控制电路，在数字系统中有着广泛的应用。     

贴近奥运海格再现体育营销风采

关心体育的人一定对去年在卡塔尔举行的多哈亚运会还有印象,而对于我们这些既喜欢体育,又热爱商用车的人来说,对去年在多哈亚运会上接送运动员、教练员、裁判和媒体记者的海格客车却是记忆犹新.500辆海格客车奔驰在多哈街头,海格客车的品牌效应也借亚运盛会而放大.     

基于GA-SLSTM模型的城市轨道交通短时客流预测

城市轨道交通短时客流预测可为相关运营部门实时调整行车调度、提高运营效率提供重要的决策依据,为乘客提供合理出行建议。因此,针对具有非线性和随机性等特性的地铁进出站短时客流预测问题,文章在堆叠式长短时记忆（SLSTM,Stacked Long Short Term Memory）模型的基础上,引入遗传算法（GA,Genetic Algorithm）,构建了GA-SLSTM预测模型。以10 min为预测粒度对地铁历史运营数据进行整理,分析了客流变化特征,并将其与GA-循环神经网络（RNN,Recurrent Neural Network）模型和LSTM模型的预测效果进行对比。GA-SLSTM预测模型对普通站点和换乘站点预测值的决定系数R2的平均值分别达到0.95和0.90,预测值对真实值的拟合效果较好,预测误差低于其他2种模型,证明该方法可提高地铁短时客流预测的准确性。     

不同治则方药对拟血管性痴呆鼠学习与记忆的作用

目的　探讨不同治则方药对拟血管性痴呆鼠学习与记忆能力的影响及其临床意义。方法　建立血管性痴呆模型 ,通过跳台试验测试其学习与记忆的能力并观测不同治则方药的作用。结果　用药组中健脑益智口服液组与涤痰汤组较金匮肾气丸组及桃红四物汤组能显著提高拟血管性痴呆鼠学习与记忆的能力 (P <0 .0 5 )。健脑益智口服液组与涤痰汤组之间无显著性差异 (P >0 .0 5 ) ,金匮肾气丸组与桃红四物汤组之间无显著性差异 (P>0 .0 5 )。结论　血管性痴呆的中医证侯可能以痰浊蒙蔽清窍为主 ,提示临床治疗血管性痴呆以涤痰开窍为主。     

片体间距对SWATH船横向波浪载荷的影响

小水线面双体船独特的片体结构使横向波浪载荷成为其最危险的波浪载荷。在小水线面双体船设计初期,片体间距的确定十分重要。本文根据工程中某小水线面双体船的相关资料,对其正常装载状态、满载状态和最大排水状态3种装载状态进行波浪载荷预报。采用三维频域计算方法,对不同片体间距的小水线面双体船进行波浪载荷预报,给出各横向波浪载荷分量的RAO值和长短期预报值,并将波浪载荷的长期预报值与ABS和CCS中载荷的规范值进行比较。通过比较不同片体间距小水线面双体船的载荷预报值,得到小水线面双体船片体间距对其波浪载荷的影响特性,为小水线面双体船的初步设计提供依据。     

灰色记忆 Porsche Caymen

那是一片不可触摸的灰色空间,任阳光灼烈,却只留下孤寂的天空;那是一处刻有鲜艳记忆的灰色地标,埋藏在心底许久的爱和痛正蓄势待发。刚毅的轮廓下隐藏着一颗洒脱的心,深邃的眼神中闪烁着—丝丝坚定,是对过往的心碎,抑或是对未来的心醉?     

2007，汽车记忆的瞬间

春花秋实,一年又一年。 时光流动如车轮,滚动着2007年呼啸而来又飞驰而去。青春成长,得失成败,阳光灿烂的故事和浮华背后的悲哀都将被掂量成往事,在千帆过尽的岁月里铿锵或嗟叹,我们要做的惟有记录这一年,记住这一年,纪念这一年!     

基于LSTM的电池组工作状态预测

运用长短期记忆神经网络（LSTM）对电池的电压、电流、荷电状态（SOC）进行预测。考虑驾驶行为对电池组工作状态的影响,确定了含加速度、车速、电压、电流、SOC在内的多参数LSTM模型;根据中国亿维新能源车辆云平台数据,采用Adam优化算法完成对LSTM模型的训练、测试与预测。结果表明：多参数LSTM模型可有效预测电池的SOC和电压变化状态,电流均方误差由14.848%降到3.192%。     

基于舰载雷达小样本的低慢小目标识别方法

本文针对舰载雷达低、慢、小目标探测面临的小样本识别问题,提出一种基于小样本学习的低慢小目标分类识别方法。该方法将低慢小目标雷达回波数据转换到小波变换域,利用多头注意力机制和双向长短记忆人工神经网络相结合的方式,解决了小样本目标分类识别的问题。在低慢小目标雷达回波仿真数据集上,开展模型训练和算法验证,分析任务差异性与识别准确率的关系,实验结果表明该方法对典型低慢小目标识别精度可达90%以上,在雷达目标识别领域具有较好的应用价值。     

基于SWLSTM的换热器在线性能预测

换热器是一种把热量从一种介质传递到另一种介质的装置。由于换热表面污垢的存在,换热器的性能随着时间的推移而恶化。为了保持换热器的高效率,有必要定期对换热器的性能进行评估,在线监测的工艺参数能够帮助对换热器换热性能进行预测。本文利用温度和流量等参数计算表征换热器性能相关的指标,并基于共享权重长短时记忆网络（SWLSTM）建立预测模型,利用历史运行数据对其进行训练。通过与验证数据比较,验证了所建立模型预测的高精度和快速性;同时与传统神经网络模型进行比较,可见本模型在预测精度的优越性。通过换热性能参数的预测,能够合理规划停机清洗时间,降低成本。