產地類別 | 進口 | 電動機功率 | 360kW |
---|---|---|---|
讀出方式 | SSI讀出 | 工作原理 | 可編程 |
外形尺寸 | 40mm*50mmmm | 外型尺寸 | 30mm*45mmmm |
應用領域 | 食品/農產品,化工,石油,紡織/印染 | 重量 | 0.8kg |
產品簡介
詳細介紹
網絡柵欄覆蓋算法DBS60E-TDAA04096編碼器DFS60B-BHCA06400
DFS60B-BHCA06400電網作為物聯網的重要應用,已升級成為當今大背景下的國家戰略,中國提議建立一個統一的"堅強智能電網"。基于無線傳感器網絡的自限性,如何在惡劣的環境中盡可能延長傳感器節點的使用壽命,從而延長整個智能電網系統的壽命是當前的研究重點。通過整理并對比幾種基于無線傳感器網絡的基本路由算法,分析得出一種適合智能電網系統節能優化的改進策略。 交互式生成是深度學習音樂生成的重要研究內容,現有的交互式神經音樂生成方法主要存在控制模式不靈活、數據標注困難以及模型難以優化等問題。針對這些問題,提出了一種基于變分自編碼器(VAE)的無監督交互式旋律生成方法。通過為VAE引入顯式的旋律輪廓條件推理學習,實現了對生成旋律局部與全局特征的靈活控制。實驗表明該方法易于優化且具有良好的旋律局部與全局特征的控制能力。通過對大量生成樣本的分析,證明了模型從音樂數據中學習到了有用的音樂知識。現有代碼注釋生成方法的復制機制,未能考慮源代碼復雜多變的語法結構,存在準確率不高、魯棒性不強等問題。本文通過改造指針網絡使其支持結構化數據輸入,提出一種用于代碼注釋自動生成的語法輔助復制機制,其中包含兩種策略:1)節點篩選策略基于語法信息引入掩蓋變量過濾無效節點,能有效減少指針網絡對復雜語法的學習成本;2)去冗余生成策略基于時間窗口對節點概率動態調整,解決了代碼自動注釋關鍵信息缺失的問題。本文提出的方法與基準方法對比有顯著的提升效果。
網絡柵欄覆蓋算法DBS60E-TDAA04096編碼器DFS60B-BHCA06400
DFS60B-BHCA06400端到端的神經機器翻譯方法由于翻譯準確率高,模型結構簡單等優點已經成為機器翻譯研究的重點,但其依然存在一個主要的缺點,該模型傾向于反復翻譯某些源詞,而錯誤地忽略掉部分詞。針對這種情況,采用在端到端模型的基礎上添加重構器的方法。首先利用Word2vec技術對蒙漢雙語數據集進行向量化表示,然后預訓練端到端的蒙漢神經機器翻譯模型,后對基于編碼器-重構框架的蒙漢神經機器翻譯模型進行訓練。將基于注意力機制的蒙漢神經機器翻譯模型作為基線系統。實驗結果表明,該框架顯著提高了蒙漢機器翻譯的充分性,比傳統的基于注意力機制的蒙漢機器翻譯模型具有更好的翻譯效果。
1073665 DBS36E-BBAM02500
1073746 DFS60B-BHCA06400
1073750 DFS60B-S1EA00006
1073752 AFM60B-BBAC004096
1073753 DFS60E-TGEM00100
1073756 DFS60E-S1AK00512
1073757 DFS60A-BHVA06500
1073766 AFS60B-TGAK004096
1073767 DFS60B-TEEC00500
1073770 DFS60B-TGAC00720
1073771 DBS60E-S4CA02000
1073772 DBS60E-TECN05000
1073773 DBS60E-TJCN02048
1073776 DBS60E-S1AL02500
1073777 DBS60E-S1AN02500
1073778 DFS60B-T8EC05000
1073779 DFS60E-BHCM02000
1073780 TMM55E-PMH010
1073781 TMM55E-PMH045
1073782 TMM55E-PMH060
1073783 TMM55E-POH010
1073784 TMM55E-POH045
1073785 TMM55E-POH060