首页期刊导航|计算机与数字工程
期刊信息/Journal information
计算机与数字工程
中国船舶重工集团公司第七0九研究所
计算机与数字工程

中国船舶重工集团公司第七0九研究所

马中

月刊

1672-9722

jssg@chinajournal.net.cn;jsjyszgc@periodicals.net.cn

027-87534308;87534205

430074

湖北省武汉市74223信箱《计算机与数字工程》编辑部

计算机与数字工程/Journal Computer and Digital EngineeringCSTPCD
查看更多>>《计算机与数字工程》杂志是中国科技核心期刊，目前已被中国期刊网，中国学术期刊（光盘版）全文收录，成为中国学术期刊综合评价数据库来源期刊和科学引文数据库（SCD）来源期刊；同时还被《中文科技期刊数据库》全文收录，并在"万方数据—数字化期刊群"全文上网。 
正式出版
收录年代

    酸性环境干湿循环下白砂岩力学性质研究

    王永岩常乐黄飒李庆坤...
    1247-1250页
    查看更多>>摘要：自然界中水岩相互作用无时不在发生，酸性条件下干湿循环是重要的水岩相互作用之一。为了研究酸性条件下干湿循环对砂岩的力学性质的影响，设计了用pH值为3和7的溶液对白砂岩进行0、5、10、20次的干湿循环实验，研究了白砂岩在进行了不同循环次数后的力学性质。试验结果表明，经历了不同循环次数后砂岩的强度均有所降低，酸性环境对砂岩强度的影响尤为明显，且随着循环次数的增加干湿循环对砂岩强度的影响逐渐减小。据此建立的预测模型对干湿循环下砂岩强度的预测有一定的指导意义。

    干湿循环酸性劣化强度预测

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于双阶段注意力机制循环神经网络的交通流预测

    王健王峥
    1251-1256页
    查看更多>>摘要：随着深度学习的发展，交通流预测的准确率越发提高，对时间序列的交通流预测进行研究，基于一种双阶段注意力机制循环神经网络模型(DA-RNN)，以解决当前在交通流量的时间序列预测中存在的难以捕捉时间数据序列之间的相关性导致预测不够准确的问题，并解决实验中存在的过拟合现象。论文基于PEMS04数据进行实验并将预测结果与LSTM、GRU模型的预测结果进行对比，表明该时序预测模型具有良好的性能，可为交通管理与控制提供有效依据。

    深度学习循环神经网络注意力机制编码器-解码器

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    门控循环单元网络下的空气污染物预测模型

    刘栩粼谢崇波
    1257-1263页
    查看更多>>摘要：论文针对现有环境空气污染物预测方法大多是基于单一数据集和浅层神经网络，未能充分挖掘时间序列中潜藏的数据信息的问题，提出了一种基于门控循坏单元网络的空气污染物预测方法。首先，对时间序列缺失值进行设计填充算法;接着，设置监督实验，在批尺寸和训练步、训练优化算法、网络权值初始化和Dropout正则化四个方面进行参数调优;最后，进行了验证与分析，并与长短时记忆神经网络进行了参数对比。研究结果表明，与长短时记忆神经网络相比，门控循环单元网络不仅训练时间快，并且在预测性能上更为显著，是一种可行且有效的预测方法。

    门控循环单元网络时间递归神经网络时间序列深度学习缺失值算法

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    参考文献著录规则

    1264页
      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据