基于相邻多层冗余共享的三维存储器堆叠方法

为提高三维存储器的成品率和减少冗余行列所需的TSVs的数量,提出每一层存储块都与相邻上下两层共享冗余的三维存储器冗余共享结构,并给出了一种新的堆叠方案,将故障较多与较少的芯片交替堆叠.实验结果表明,该结构在有效控制TSVs数量增长的前提下,提高了三维存储器的修复率.

时序InSAR对流层大气延迟改正的相位堆叠方法

对流层大气延迟一直是限制合成孔径雷达干涉测量InSAR(Synthetic Aperture Radar Interferometry)技术形变测量精度的主要因素之一。基于含有共同日期的干涉相位也包含相同的大气延迟相位分量这一事实,相位堆叠CSS(Common Scene Stacking)方法采用叠加求和的方式来估计共有日期的大气延迟相位,并通过迭代运算提高估计精度,具有实现简单、计算效率高的优势。本文对CSS方法估算出的大气延迟相位进行空间低通滤波,并将相位解缠与CSS大气延迟相位估计进行迭代运算,改善形变估计结果。首先,基于模拟数据分析了迭代次数和时间窗口尺寸对CSS方法对流层大气延迟改正效果的影响;然后,将本文方法应用于真实SAR数据,分析了不同大小的时间窗口对改正结果的影响,并与其他方法进行对比,结果表明该方法可以获得较好的大气延迟改正结果,改正后空间相位标准差平均降低了62%,稳定点的时间序列标准差平均降低了58%。在此基础上,对目前存在的问题进行了分析和讨论。

基于堆叠泛化方法的SGB模型在我国黄金价格预测中的应用

为了更加准确预测中国黄金价格走向,帮助我国政府和企业进行风险管理和投资决策。本文获取了2015—2023中国黄金月度收盘价,结合数据的影响因子,通过机器学习中的堆叠泛化方法,提出了一个新模型SGB,预测最后10个月的黄金价格,并与其余模型比较预测精度。通过相关检验,得出黄金价格影响最大因素的分别是美国黄金价和Dow Jones指数。实验证明,经过模型堆叠泛化后的新模型预测效果优于单一模型和基础模型。

基于混合特征的特征选择神经肽预测模型

提出了一种神经肽预测集成算法。整合了9个特征描述符与5个机器学习算法,生成了45个基线学习模型。第一层对这45个基线模型进行特征选择;第二层根据基线模型对的准确度和皮尔森(Pearson)相关系数之和选择8个基本学习模型;第三层将这些学习者的输出输入到逻辑回归,极限梯度提升等分类器中进行最后一步的选择用以训练最终模型,并将输出作为最终预测结果。在测试数据集上的准确度为0.9169,高于现有的模型。

多源信息拟合摩擦系数的回归集成模型

机器系统运动部件摩擦系数(coefficient of friction,COF)的实时监测是一项具有挑战性的难题,智能感知和数据技术的发展为利用摩擦学关联信息对摩擦系数进行预测提供了可能性。该文利用摩擦磨损试验过程中的声音、振动等多源摩擦关联信息,形成时间截面化的摩擦信息数据集,针对摩擦系数拟合问题建立了K折交叉验证双层堆叠的回归集成模型,定义了范围性评估的评价指标,并通过多种载荷试验数据对模型进行了检验。结果表明所建立模型能够有效提炼摩擦信息的关联特性,从而实现对摩擦系数的准确拟合及预测,该方法对不同载荷条件数据具有通用性。