Recreating place,replacing memory: Creative destruction at the Singapore River

Abstract: The transformation of urban landscapes is as much a physical process as it is a symbolic one. Material changes in the form of demolition and redevelopment are often accompanied by changes in the image and identity of places, as well as the personal and collective memories associated with these places. Focusing on the Singapore River, we explore how waterfront redevelopment has rendered certain activities, people and place memories invisible, to be replaced by other landscape elements and their associative identities. Through ‘creative destruction’ and ‘destructive creation,’ the waterfront's transformation is evident in three areas: its built environment (‘builtscapes’), activities and events (‘eventscapes’) and displays of public art (‘artscapes’). We contend that landscapes reflect the tensions between ‘remembering to forget’ and ‘forgetting to remember’ in ‘New Asia‐Singapore,’ a city attempting to blend modern Asian dynamism with tradition and heritage.     

Qualitative Analysis of an Exponential Dynamic Neural Networks

The exponential dynamic neural network proposed.by T.D.Chiuch and R.M.Goodman in 1988 is investigated. A concise sufficient condition for the given standard patterns to bestable is presented. A one-step conversence radius of such a stable state is obtained. It is also shownthat there do not exist sporious stable states in the probabilistic sense.     

递归神经网络在降雨量预测中的应用研究

递归神经网络(RNN)模型近年来在许多任务上表现出了优良的性能。运用具有长短期记忆(LSTM)单元的递归神经网络构建模型和通过时间反向传播(BPTT)算法更新网络权重解决长期降雨量的预测问题,较好地解决了高维数、非线性和局部极小问题。选取了前馈神经网络模型(FNN)、小波神经网络(WNN)模型和整合移动平均自回归(ARIMA)模型3种模型进行验证比较。仿真结果表明,递归神经网络模型优于其他模型,训练结果与实际值接近,预测精度较高。预测结果为农业用水管理、合理制定灌溉制度提供了重要的科学依据。     

基于深度学习的密闭式猪舍内温湿度预测模型

针对目前猪舍环境控制中传感器只能实现对当前环境状况的监测,无法对猪舍内环境变化趋势作出预判,不能提前对环境控制设备运行状态进行调节,在一定程度上造成环境控制效果滞后的问题,基于深度学习方法,结合实际传感器监测的历史数据和猪舍外影响数据,建立了长短时记忆（Long short term memory,LSTM）网络预测模型,实现了精确的猪舍内温湿度变化预测。结果表明,猪舍内冬季和夏季温湿度预测值与实测值变化趋势一致,温度最大误差1.9℃,平均误差为0.5℃;相对湿度最大误差为13.5%,平均误差为2.3%;温度和相对湿度预测的平均决定系数分别为0.821和0.645。本文建立的预测模型具有较优性能,可为制定优化的猪舍内环境控制策略,解决环境控制效果滞后问题提供可行的参考。     

基于长短时记忆网络（LSTM）的蟹塘溶解氧估算优化方法

水中溶解氧含量低会影响螃蟹的成活率,保证低溶解氧时刻溶解氧的预测精度非常重要。目前,溶解氧传感器价格昂贵且易遭受腐蚀,因此通过相关变量来间接估计溶解氧浓度有重要的意义。本研究在长短时记忆网络（LSTM）模型的基础上,优化LSTM反向传播时的损失函数,提出了提高低溶解氧含量估算精度的溶解氧预测模型（LDO-LSTM）。LDO-LSTM的损失函数是在平均绝对百分比误差（MAPE）基础上,根据溶解氧值的变化趋势和溶解氧浓度大小,分别赋予不同权值的权重函数,并通过均方根误差（RMSE）和平均绝对百分比误差（MAPE）来评估LDO-LSTM和LSTM在不同范围的溶解氧估算能力。对模型的测试试验结果表明：在溶解氧高于6mg/L时,LDO-LSTM和LSTM的RMSE、MAPE差值稳定在0.1左右;在溶解氧低于6mg/L时,LDO-LSTM的RMSE值和MAPE值分别比LSTM低0.25和0.139,说明了LDO-LSTM网络不但可以保证整体溶氧预测精度,而且能够提高较低溶解氧值的估算精度。本研究对于降低水产养殖成本、提高溶解氧估算精度有着重要的作用。     

基于FM3116的便携式数据采集器的设计

阐述了基于FM3116的便携式数据采集器的工作原理,温湿度采集电路、数据存储电路、通信接口电路、辅助电路等硬件设计及软件设计。     

基于磁记忆检测的钻杆疲劳寿命评估

传统的疲劳寿命评估方法用于钻杆评估存在诸多困难。依据磁记忆检测技术的特点,提出了应力集中水平定量计算及评估方法;通过疲劳实验,得出了表面磁场强度法向分量变化梯度、应力集中磁效应系数与循环周次之间的关系曲线,实现了对钻杆疲劳寿命的初步评估。     

掌握英语词汇有捷径

学习词汇、掌握词汇、运用词汇，一直是困扰着外语学习者的难题。从多方面阐述了掌握外语词汇的学习方法。     

基于小波变换的LMSV模型对人民币汇率波动的研究

将小波引入到LMSV模型波动长记忆性的估计与检验中,提出了基于小波变换的LMSV模型波动长记忆性的伪极大似然估计法和波动长记忆性的检验方法,并对各汇率波动序列长记忆效应的大小程度进行了验证.结果表明各汇率波动序列存在长记忆效应,人民币对美元的汇率波动序列受历史信息的影响程度最高.     

党参多糖对小鼠学习记忆作用研究

研究党参多糖对东莨菪碱所致记忆获得障碍模型小鼠(跳台法和Y水迷宫法)、亚硝酸钠所致记忆巩固障碍模型小鼠(跳台法)和40%乙醇所致记忆再现障碍模型小鼠(暗箱法)学习记忆的影响。结果表明:党参多糖给药组均能不同程度缩短东莨菪碱所致记忆获得障碍模型小鼠的触电潜伏期(P0.01或P0.05),提高空间记忆能力,缩短寻觅平台的潜伏期(P0.01);能延长亚硝酸钠所致记忆巩固障碍模型和40%乙醇所致记忆再现障碍模型小鼠的记忆潜伏期(P0.01或P0.05),减少错误次数(P0.01)。说明党参多糖具有改善小鼠学习记忆能力的作用。