课程文献中心 更多>>

关键词： 新型电力系统   小信号   特征值   导纳稳定容量   灵敏度   变流器   并网强度   新能源  

摘要： 随着新型电力系统中新能源渗透率逐渐升高,电力系统的动态行为发生显著变化,变流器等电力电子设备并网后的系统稳定性分析日益复杂。文中基于元件的特征值灵敏度分析方法提出了考虑变流器控制细节差异的并网强度评估指标。首先,对多馈入系统进行全系统阻抗建模,分析了特征值对具体导纳变化的灵敏度;其次,从新能源并网点变流器导纳最大变化程度的物理本质出发,定义了导纳稳定容量,导纳稳定容量捕获了系统所有元件的动力学特性,可以描述系统的抗干扰能力和新能源并网点的电网强度;最后,通过单变流器连无穷大系统和改进的14母线系统验证了所提指标的有效性。

关键词： 导数   双变量   同构法   换元法   消元法  

摘要： 双变量问题在以往的高考中频频出现,尤其是偏移问题.文章尝试利用经典高考题给学生传授知识,顺次引出导数中恒成立以及双变量问题的不同处理策略.

关键词： 线性代数   Python   矩阵运算   可视化   卷积   图像压缩   图形图像处理  

摘要： 线性代数是理工科专业的一门重要数学基础课,也是大数据和人工智能的核心和基础。结合线性代数知识较为抽象和复杂的特点,文章基于Python程序语言,结合图形图像处理,将矩阵运算可视化,旨在帮助学生理解线性代数抽象概念,提升编程能力和学习兴趣。

关键词： 卷积神经网络   配电网故障   计算误差项   权重梯度参数   傅里叶变换   特征向量  

摘要： 随着配电网系统规模的不断扩大和电力负荷的日益增长,传统人工巡检和排除法在故障处理上存在耗时长、准确率低的问题。因此,提出一种综合方法来改善故障识别效率。采用傅里叶变换进行小波故障提取,并结合多个特征向量来识别故障。采用卷积神经网络(CNN)的卷积层、池化层、全连接层等结构,自动学习和提取电压小波奇异熵值和低频能量数据中的故障特征。如果出现误差,就会进行反向传播,计算损失函数权重梯度参数。结果表明,所提方法的识别速度能够缩短至4.2 s,分类准确率提升了17.68%。有利于优化整个配电网的网架结构,为配电网故障识别方式的变革提供发展方向。

关键词： 奇异Sturm-Liouville算子   特征参数   特征值分支   连续依赖性  

摘要： 研究了一类具有分布势函数的Sturm-Liouville算子特征值的依赖性。通过建立边界条件空间,构造嵌入映射,证明了特征值分支的连续依赖性,并且在Fréchet导数意义下,获得了特征值分支关于所有参数的微分表达式。

关键词： p级数   求和   行列式  

摘要： p级数是一种重要的数项级数,其求和问题一直受到人们的关注与探究.本文给出偶数p级数与相关级数求和一种新的行列式计算公式,并给出若干应用实例.

关键词： 运算能力   教、学、评一致性   核心素养  

摘要： 运算能力是数学学科关键能力之一,是学习数学过程中最基本的能力与素养,也是获取其他技能、素养的基本工具.基于运算能力的初中数学教学,教师要处理好“教、学、评”三者之间的关系,通过“教、学、评一致性”提高学生学习数学的积极性,培养学生运算能力、推理能力、抽象能力等核心素养.

关键词： 产品描述文档   评论文本   社交网络   深度神经网络   深度学习   推荐算法   预训练模型   多阶特征向量  

摘要： 为充分利用用户和产品的信息,缓解数据稀疏、冷启动的问题,提出一种多阶特征向量融合的深度神经网络产品推荐(MFVF)。引入预训练模型(BERT)提升对产品描述文档、评论文本的语义理解。根据产品类别、社交关系,挖掘基于类别与社交关系的用户、产品潜在一阶特征向量。连同用户和产品评分的潜在一阶特征向量,经过广义矩阵分解(GMF)层构建二阶特征向量,作为深度神经网络隐藏层的输入。对深度神经网络隐藏层输出的高阶特征向量进行拼接,得到用户对产品的预测偏好。通过对比实验,验证了所提算法推荐质量得到较大提升。

关键词： 推荐   异构数据   预训练模型   白化   文本相似度  

摘要： 目前大部分题目推荐系统基于人工筛选或利用大数据推荐,较少考虑题目本身的信息。为改善在线教育编程平台的用户体验,在有限的条件下为学生推荐合适的题目,提出一种结合动态词向量优化和文本、标签信息融合的深度学习模型——基于文本和标签信息融合和BERT白化的长短期记忆网络(TLFBW-LSTM)。首先,利用白化技术优化BERT(Bidirectional Encoder Representations from Transformers)模型生成的词向量;其次,利用孪生网络结构和注意力机制分别融合不同题目的文本和标签数据;最后,设置全连接层计算相似程度。此外,通过动态词向量优化和标签嵌入的方式,增强模型对相似题目的识别能力。在力扣的编程题库数据集上的实验结果表明,动态词向量和异构数据的加入能够有效提高模型对相似题目判断的准确率,与Sentence-BERT和DenoSent方法相比,TLFBW-LSTM的准确率提升了13.41%和13.62%,验证了TLFBW-LSTM的有效性。

关键词： 半线性抛物型SPDEs   高频振荡   齐次化问题   正则结构  

摘要： 本文研究了定义在R_(+)×[0,1]^(d)上具有高频振荡随机位势,带齐次Neumann边界条件的半线性抛物型随机偏微分方程组(SPDEs)的齐次化问题,其中d=1,2或3,利用正则结构理论,主要结论是方程组的解将依概率收敛到一个确定性抛物型PDEs的解.