【摘 要】
：
在PLC课程的教学过程中,实验教学是PLC课程中的重要环节.利用KingView组态王软件实现PLC虚拟仿真实验项目的设计,在平台上做模拟仿真,通过直观的结果展开分析,活跃了教学气氛,拓宽了教学内容,优化了实验教学方法和教学手段,提高了学生的专业技能,培养了学生创新能力和动手能力,激发了学生的学习兴趣,提高了教学质量.
【机 构】
：
韶关学院智能工程学院,韶关 512005
论文部分内容阅读
在PLC课程的教学过程中,实验教学是PLC课程中的重要环节.利用KingView组态王软件实现PLC虚拟仿真实验项目的设计,在平台上做模拟仿真,通过直观的结果展开分析,活跃了教学气氛,拓宽了教学内容,优化了实验教学方法和教学手段,提高了学生的专业技能,培养了学生创新能力和动手能力,激发了学生的学习兴趣,提高了教学质量.
其他文献
针对中文主观题自动评分准确率低的问题,提出一种基于doc2vec算法的主观题自动评分方法.利用doc2vec算法计算出参考答案文本和考生答案文本的文本向量,计算出两文本向量之间的相似度,然后根据相似度计算考生得分.将主观题试题作为实验数据集,用doc2vec算法进行评分,并采用方差及偏差率作为衡量标准,对基于doc2vec算法的评分结果进行验证,并与基于TextRank算法的主观题自动评分结果及人工评分进行对比,实验表明基于doc2vec算法的评分结果的方差及偏差率都较小,稳定性较好,为后期研究主观题评分
分类学习方法有一个基本假设,即不同类别的样本数量相当.样本数量分布不均衡,会影响分类的准确率.针对样本分布不平衡的肿瘤亚型分类问题,提出聚类-过采样(clustering minority over-sampling technique,CMOT),避免了算法“对少数类不友好”的情况.具体来说,首先在少数类的内部进行聚类,目的在于寻找少数类数据的分布结构.其次,使用改进的过采样方法,对少数类数据进行数据增强,最终实现不同类别的样本数量均衡.对比四种过采样方法,使用CMOT方法,肿瘤免疫亚型的分类准确率达到
数据元作为数据标准,是构建高质量数据资产的基础,因此数据元质量需要被管控.针对数据元质量管控需求,本文基于国内外数据元和数据质量的研究成果,提出了数据元质量评价方法,给出了数据元质量的评价指标、综合指数和评价过程.该方法通过对数据元质量进行量化,实现对数据元质量的精确度量,为数据元质量的精确管控提供了依据.
在陶瓷药瓶生产过程中,容易出现瓶口破碎或不完整等情况.为解决陶瓷瓶口的缺陷检测问题,本文提出了一种基于卷积神经网络CaffeNet模型的陶瓷瓶口分类方法.该方法利用工业生产的瓶口残次品和正品建立样本数据集,利用卷积神经网络的卷积层和池化层对残次品、正品的图像特征进行提取,通过求得最小的交叉熵损失来获取适配本样本数据集的最佳权重,已达到较好的分类效果.此外,在给定相同数量测试数据集的情况下,使用CPU、GTX 1060 Mobile、GTX Titan X Pascal和华为Atlas200DK对给定数据集
Polar码是目前仅有的一种在数学上被严格证明且能够实现香农信道容量的一种信道编码方式.但是,在译码方面依然存在严重的时延问题.针对存在的问题,提出基于校正搜索宽度的极化码译码算法.该算法采用跟踪历史数据、采集历史数据以及对合格历史数据进行数学运算的方法,不断调整、校正搜索宽度,降低执行串行抵消列表译码的次数,进而降低解码时延,提高解码效率.仿真结果表明,该算法能显著地降低解码代价和时延,且保持性能不变.
极化雷达具有全天时全天候对目标和场景进行观测的优势,在诸多领域得到广泛应用.极化雷达作为一种多通道系统,不同极化通道间的交叉耦合和通道不平衡等非理想因素会使目标极化散射矩阵存在测量误差,进而影响对目标散射的解译性能.文中以人造目标为研究对象,利用极化测量误差模型和相干极化目标分解开展了极化测量误差对散射解译性能的影响研究.以Krogager分解为例,推导了三面角、二面角、偶极子和螺旋体等基本散射体的极化目标分解分量与测量误差源的解析表达式,给出了分解特征参数的变化曲线图,揭示了极化测量误差对散射解译性能的
为了解决大量重复数据导致MapReduce的混淆消耗过大及网络传输拥堵的问题,设计了一种基于MapReduce框架的相似连接算法Q-sample.该算法首先将Q-sample的子串进行分割以减少过滤阶段的子串数量,从而减少网络传输数量,进而减少相似连接所耗费的时间,然后通过设计三个匹配过滤器和一个统计特征过滤器的方法来提高过滤效率,最后进行相关实验.实验结果表明,算法有效地提高了MapReduce众局部相似自连接速度和字符匹配的过滤效率.
相比于传统的二维RGB图像的语义分割,使用具有三维信息的RGBD图像,可以提高算法的精度.于是,研究深度图信息如何引入至关重要.采用非对称融合模块,在融入深度图信息时降低其噪声带来的负面影响,并在融合前使用通道注意力模块对深度图信息以及RGB信息进行处理,使通道信息得到有效过滤.另外,针对像素之间的关联性不易利用的问题,利用自注意力机制的思想设计了关联上下文模块,用来联合感知并编码多模态深层特征.通过将模块集成到一个双通路的编码解码结构的基本网络模型中,并在NYU-Depth v2室内语义分割数据集上做了
本文运用C++语言在Visual Studio 2019平台上设计开发了一款连连看游戏,游戏画面清晰,规则简单容易上手,运行效果良好.
近年来,基于深度学习的显著性目标检测(SOD)取得了很大进展.目前主流的基于深度学习方法的RGB显著性目标检测,忽略了编码器和解码器之间信息交换,以及不同层级编码器对最终预测图的贡献差异.本文设计了一种基于多尺度特征解码的RGB显著性目标检测网络,通过在编码和解码模块之间增加精炼过渡层和注意力机制,对编码器输出特征进行打磨,以还原更详细的显著性信息.此外,在网络的顶部增加感受野增强模块,以定位不同尺度信息,增强深层特征的全局语义信息,使预测结果更准确.在主流的6个数据集上的测试结果显示,本文的方法优于其他