大学生网络使用动机干预机制

1．网络使用动机与好奇心学生的网络使用动机指学生对网络的欲求，它直接影响学生的网络行为和上网内容。青少年正处于求知欲和好奇心最强的阶段，他们缺乏社会生活经验、人际交往能力、信息处理能力、自控能力和鉴别能力等，网络信息的丰富性、娱乐性、复杂性，学生上网环境的自主性、隐蔽性、无人监督性等特点，使得许多大学生不合理的使用网络，

基于残差自注意力机制的航空发动机RUL预测

针对传统神经网络在多维数据高分辨率特征识别和高精度信号提取方面的缺陷,开展基于残差自注意力机制的剩余使用寿命(RUL)预测算法研究。比较分析卷积神经网络(CNN)和长短期记忆神经网络(LSTM)的结构特性,揭示二者在长序列信息特征关联能力和局部特征提取能力上的局限性。研究自注意力机制,引入双层残差网络抑制误差函数反向传播中扩散性,进而构建了一种卷积记忆残差自注意力机制的深度学习方法。基于上述方法对典型航空涡扇发动机退化实验数据集进行仿真分析,结果表明:所述方法能够有效建立监测数据与发动机健康状态之间的关系,关键评价指标——剩余使用寿命预测的均方误差为225,相比传统自注意力机制均方误差降低了17.9%,验证了所述方法的可行性和有效性。

基于优化混合模型的航空发动机剩余寿命预测方法

针对航空发动机剩余使用寿命(RUL)预测方法没有同时加权不同时间步下的数据,包括原始数据和所提取的特征,导致RUL预测准确性较低的问题,提出了一种基于优化混合模型的RUL预测方法。首先,选用三种不同的路径提取特征:1)将原始数据的均值和趋势系数输入至全连接网络;2)将原始数据输入双向长短期记忆(Bi-LSTM)网络,并采用注意力机制处理得到的特征;3)使用注意力机制处理原始数据,并将加权特征输入至卷积神经网络(CNN)和Bi-LSTM网络中。然后,采用融合多路径特征预测的思想,将上述提取到的特征融合后输入至全连接网络获得RUL预测结果。最后,使用商用模块化航空推进系统仿真(C-MAPSS)数据集验证方法的有效性。实验结果显示,所提方法在4个数据集上均有较好的表现。以FD001数据集为例,所提方法的均方根误差(RMSE)比Bi-LSTM网络降低了9.01%。