论文部分内容阅读
MOOC中知识点序列推荐算法研究
【出 处】
：
燕山大学
【发表日期】
：
2020年01期
其他文献
由于生物技术的高速发展,人类已经进入分子生物学时代。人类基因的生物学本质是具有遗传效应的DNA片段,可以反映出个体的生命遗传信息,表彰着主体的人格。然而,现实中依靠生物技术在人类基因上进行操作已经屡见不鲜,侵犯基因上人格利益的事件更是早已见诸报端。鉴于基因是自然界独立存在的物质实体,对基因的法学研究不应当再依附于细胞、血液等人体组织。就目前来看,民法学界对人类基因的法律地位界定大致可以分为如下三种
学位
对未知频率微弱信号的检测是目前检测领域的重点研究方向之一。混沌系统对固定频率信号变化具有非常高的敏感性、对非固定频率的噪声信号具有较强的免疫性,相比于傅里叶变换和小波变换等检测方法,混沌系统更适合于在强噪声背景下检测固定频率的微弱信号。首先,分析了混沌系统的特性,重点分析了Duffing混沌系统、Lorenz混沌系统、蔡混沌系统、吕混沌系统、Liu混沌系统和带余弦Liu混沌系统的特点,对参数变化和
学位
信号源定位是阵列信号处理方向的重要研究内容之一,现有定位技术研究主要基于纯近场或纯远场信号模型。当远场信号和近场信号共存时,传统信源定位方法会因模型失配而失效。同时由于阵列配置、环境因素等影响阵列往往存在增益相位误差,这种误差将对混合源定位性能产生较大影响。为了攻克这项难题,本文重点研究增益误差下的混合源定位新方法,旨在推动相关理论算法研究向深度广度拓展。首先,本文对已有代表性混合源定位算法进行理
学位
近年来基于深度学习的语音识别和图像处理的成功,音频标记问题得到了诸多关注。随着智能移动设备的发展,每天都有大量用户将录音上传到网络上,如何给音频添加标签是重要的研究方向。传统的手工特征制作和浅层架构分类器需要相当大的工作量,而且都不能很好的利用上下文信息和不同声音事件类之间的潜在关系。针对存在的问题,本文将深度神经网络方法应用于音频标记,探究对准确率和性能的影响。首先,可学习的上下文门控可以帮助选
学位
朝向选择性在视觉形成过程中起到了十分重要的作用。神经振荡广泛存在于不同脑区之中,处于不同频带的神经振荡之间会发生耦合,产生交叉频率耦合。研究表明,交叉频率耦合是实现大脑功能的重要基础。该文利用植入式多电极阵列采集猕猴视皮层V1和V4区的局部场电位信号,分析不同光栅朝向刺激下低频和高频神经振荡之间的交叉频率耦合,并基于Lasso逻辑回归建立光栅朝向预测模型,为探索视皮层神经元朝向选择性的形成机制提供
学位
零相关区序列集在码分多址通信系统中可以作为用户地址码,降低或者消除多径干扰、多址干扰;在正交频分复用系统中可用于信道估计、同步等;在多入多出-正交频分复用系统中可以利用自身相关特性进行无干扰导频设计,获得较高的信道估计精度,有效地消除同信道导频干扰。可见,零相关区序列集的设计对通信系统起着重要作用。本课题以零相关区序列集设计为核心,主要针对零相关区互补序列集、非对称零相关区序列集的设计方法进行研究
学位