简介：摘要通过在电子技术学习中的体会，本文介绍了借助Multisim仿真软件辅助电子技术课程的学习方式，分别用模拟和数字电路设计了方波发生电路，并进行了Multisim仿真分析。通过理论与仿真的结合，既加深了对理论知识的理解，又起到了事半功倍的学习效果。

简介：摘要随着我国的经济在快速的发展，社会在不断的进步，现代电力负荷数据以海量形式存在，传统单机模式无法满足电力负荷在线预测效果的要求。为了改善大规模电力负荷数据的预测效果，设计了基于极限学习机的分布式电力负荷预测模型。首先提取电力负荷数据，通过混沌理论的相空间重构方法对电力负荷数据进行预处理，产生电力负荷数据预测建模样本，然后将电力负荷数据预测建模样本细分成为多个子样本，通过云计算集群系统的分布式方式并行实现子样本建模，每一个小样本通过极限学习机进行建模和预测，最后采用具体电力负荷数据进行了仿真测试实例研究，测试结果表明，本文模型加快了大规模电力负荷数据建模速度，可以足电力负荷在线预测效果，而且电力负荷预测精度要明显优于当前其它电力负荷预测模型。

简介：摘要： 同步电机主要就是保持稳定转速的电机，其中绕组绕制方法是比较复杂的，对于人们很难对于感应电势产生的掌握，并且存在的各种反应和同步电抗都属于难以理解的内容，本文分析了存在的各种问题，对于各种问题提出了相应的解决措施进行应对。

简介：摘要随着生产现代化水平的提高，电力企业面对人才紧缺的局面，除了不断吸收新生力量，更重要的是通过员工培训来提高电力行业现有员工的整体素质。因此，加强电力企业员工培训项目的设计与实施势在必行。当前，混合式教学已成为企业培训教学改革的一个重要研究方向，如何有效开展混合式培训成为企业培训领域研究的重要课题。基于此，本文笔者就混合式学习在企业培训项目中的应用进行简要探讨。

简介：摘要当前的深度学习方法使用在基于大型图形处理单元（GPU）的计算机上训练的卷积神经网络（CNN）非常成功。该方法的三个局限性是1)基于简单的分层网络拓扑结构;2)网络采用人工配置以达到最优效;3)神经元模型的实现在成本和功耗上都比较昂贵。在本文中，评估了使用三种不同的计算架构来解决这些问题的深度学习模型量子计算来训练复杂的拓扑结构，高性能计算(HPC)来自动确定网络拓扑结构，以及低功耗硬件的神经形态计算。由于目前量子计算机的输入尺寸限制，实验中使用MNIST数据集。结果显示了将这三种架构结合使用来解决上述深度学习限制的能力。结果表明，量子计算机可以在网络复杂度增加的情况下，在可控制的时间内找到高质量的层内连接权值;高性能计算机可以找到最优的基于层的拓扑结构;在低功耗记忆硬件中，神经形态计算机可以表示其他结构的复杂拓扑结构和权值。

简介：摘要当前的深度学习方法使用在基于大型图形处理单元（GPU）的计算机上训练的卷积神经网络（CNN）非常成功。该方法的三个局限性是1)基于简单的分层网络拓扑结构;2)网络采用人工配置以达到最优效;3)神经元模型的实现在成本和功耗上都比较昂贵。在本文中，评估了使用三种不同的计算架构来解决这些问题的深度学习模型量子计算来训练复杂的拓扑结构，高性能计算(HPC)来自动确定网络拓扑结构，以及低功耗硬件的神经形态计算。由于目前量子计算机的输入尺寸限制，实验中使用MNIST数据集。结果显示了将这三种架构结合使用来解决上述深度学习限制的能力。结果表明，量子计算机可以在网络复杂度增加的情况下，在可控制的时间内找到高质量的层内连接权值;高性能计算机可以找到最优的基于层的拓扑结构;在低功耗记忆硬件中，神经形态计算机可以表示其他结构的复杂拓扑结构和权值。