论文部分内容阅读
目的论指导下《矿物表现形式：化石经济的考古学》（节选）英汉翻译实践报告
【出 处】
：
江西理工大学
【发表日期】
：
2021年01期
其他文献
传感器节点通过自组织的方式在监测区域中组成WSNs,用于该区域中数据的监测。检测的数据通过节点间多跳、无线通信的方式传输至目的端,因此WSNs中的路由算法对数据传输路径的建立至关重要。在常见的路由算法中PEGASIS算法被广泛应用,它具有相邻两节点间通信开销小、数据收发采用数据融合减少通信次数从而减少能量消耗的特点,但也存在网络中形成的链路过长造成数据传输延迟较大和链中簇头传输的数据量较大成为网络
作为大坝安全监测系统的重要组成部分,大坝变形预测方法的研究成为学者关注的热点,而大坝变形数据存在非线性关系强和影响因素复杂等问题,传统的预测模型由于参数设置复杂,预测性能不稳定等缺点已经难以满足当前水库大坝等水利工程的精度要求。因此,本文将机器学习中的极限学习机（ELM）应用到大坝变形预测领域,提出一种基于改进蝙蝠算法（IBA）优化ELM参数的大坝变形预测模型。同时构建了基于蝙蝠算法（BA）和遗传
随着中国制造业的快速发展与国家智能制造2025计划的提出,整个制造业开始向更高层次发展。电缆制造行业也在追求产品生产的高效率和高品质。尤其是在电力传输、通信、航空航天等多个应用领域里,对电线电缆的线径质量提出更高的要求。其中的通信电缆更是未来通信发展的基础。而当前多数企业所使用电线电缆生产的卧式聚合物推挤机有着多种缺陷,主要为精度与稳定性不高、智能化水平较低,机器控制参数的调整是由技术员凭经验手动
随着网络攻击行为日趋复杂,网络攻击频繁出现,传统的特征库以及通过聚类的入侵检测方法逐渐呈现出一些弊端,例如检测精度较低、数据特征提取较为困难以及数据处理效率较低等问题。基于此,本文将神经网络模型应用于入侵检测领域,主要从神经网络模型参数优化以及神经网络模型结构优化等几个方面进行深入研究,建立高效的入侵检测模型,提高检测精度。本文的主要工作如下:（1）针对BP神经网络在入侵检测过程中随机初始化参数极
云计算被认为是互联网技术的一次伟大的革新,随着信息化技术的不断发展,传统的任务处理模式已经无法满足人们的需求,云计算的出现是时代发展的必然趋势。云计算利用虚拟化技术将软件和硬件资源虚拟成一个庞大的共享资源池,通过网络以服务的方式供用户使用。云任务调度策略影响云系统的运行性能和调度效率,并且关系到用户和云服务商的利益问题,因此云任务调度是云计算的核心问题之一。目前采用启发式搜索算法对于云任务调度问题