用于选择性激光烧结的聚合物粉末材料研究进展

选择性激光烧结是增材制造技术中的一种,可制备具有复杂结构的复合材料功能件或其它原型零件。评估烧结成型工艺的关键因素之一是聚合物粉末材料。从聚合物粉末材料种类、材料制备方法、烧结成型工艺3个方面,综述了近年来用于选择性激光烧结技术的聚合物粉末材料的研究现状,并对聚合物粉末材料在选择性激光烧结技术领域中存在的问题,及其今后的研究方向进行了展望。     

基于云计算技术的专利云系统

首先对专利云提出和实施背景进行介绍,在充分调研并借鉴国内外电子商务平台设计和运营模式的基础上,结合专利云平台实施目标,对云平台总体架构进行设计,然后介绍基础平台建设思路和专利云基础软件建设思路,最后,在此基础上设计适合专利云平台的应用软件系统,包括专利公共服务云、专利托管服务云、专利商务交易云三个应用系统.     

基于混合CNN的自然语言因果关系抽取方法

针对现有自然语言因果关系抽取模型的低准确性和自由参数过多等问题,提出高效的面向知识通道和面向数据通道相结合的混合卷积神经网络(Mixed Convolution Neural Network,MCNN)方法.面向知识通道结合词汇知识库中因果关系的语言知识,自动生成的卷积过滤器以捕获因果关系的重要语言线索.实验表明与Sin-gleCNN和MultiCNN相比,该方法在因果关系提取方面效果更优.     

改进的形态学与Otsu相结合的视网膜血管分割

针对视网膜图像采集过程中由于疾病引起的图像光照反射过强问题,提出了一种修正的形态学与Otsu相结合的无监督视网膜血管分割算法。首先运用形态学中的高低帽变换增强血管与背景的对比度;然后提出了一种修正方法,消除部分由视网膜疾病引起的光照问题;最后使用Otsu阈值方法分割血管。算法在DRIVE和STARE视网膜图像数据库中进行了测试,实验结果表明,DRIVE数据库中的分割精度为0.9382,STARE数据库中的分割精度为0.9460,算法的执行时间为1.6s。算法能够精确地分割出视网膜血管,与传统的无监督视网膜血管分割算法相比,算法的分割精度高、抗干扰能力强。     

一类带初始输入的线性循环终止性分析

本文针对带初始输入的二维齐次线性循环的终止性问题进行研究。通过分析该类循环所有非终止点组成集合(即NT集)的性质,将该类循环NT集的构造问题转化为一类非线性优化求解问题,并给出了此类优化问题的数学模型。最终,通过验证该类循环的初始输入是否位于所构造的NT集合内,判定了带初始输入的二维齐次线性循环的终止性, 并建立了用来完备判定该类循环终止性的算法。     

警用一体化执法信息系统资源管理策略研究

随着信息技术的快速发展,警用装备的信息化程度越来越高,在执法过程中为使一体化执法信息系统资源优化调度,本文提供相关策略以供参考与借鉴。     

国际水协会河流水质模型1号(RWQM1)述评

剖析河流水质模型1号(RWQM1)的建模背景、设计思路、基本框架与建模方法,认为RWQM1从技术层面和建模方法上对当前水质模型进行了重大调整,提供了全新的水质模型框架,作为未来水质建模的科学标准,RWQM1的标准化设计思路包括:1较全面地划分水质组分,统一水质组分的表述方式;2基于严格的化学计量方程实现对水质转化过程及其动力学的数学描述,确保反应物、产物的物质守恒;3将各种水质过程通过化学计量矩阵的形式实现模型的结构化表达。结构化的思路使得RWQM1水质模型具有灵活、适用性广等特点,但过于复杂的状态变量、缺乏强大的软件平台等问题,在一定程度上限制了RWQM1水质模型的推广。     

基于深度强化学习的多数据中心一体化调度优化

多数据中心任务调度策略的目的是把计算任务分配到各个数据中心的不同服务器上,以促进资源利用率和能效的提升,为此提出了基于深度强化学习的多数据中心一体化调度策略。所提策略分为数据中心选择和数据中心内部任务分配两个阶段。在多数据中心选择阶段,整合算力资源以提高总体资源利用率,首先采用具有优先经验回放的深度Q网络（PER-DQN）在以数据中心为节点的网络中获取到达各个数据中心的通信路径;然后计算资源使用成本和网络通信成本,并依据这两个成本之和最小的原则选择最优的数据中心。在数据中心内部任务分配阶段,首先在所选数据中心内部,划分计算任务并遵循先到先服务（FCFS）原则将任务添加到调度队列中;然后结合计算设备状态和环境温度,采用基于双深度Q网络（Double DQN）的任务分配算法获得最优分配策略,以选择服务器执行计算任务,避免热点的产生,并降低制冷设备的能耗。实验结果表明,基于PER-DQN的数据中心选择算法相较于计算资源优先（CRF）、最短路径优先（SPF）路径选择方法的平均总成本分别下降了3.6%、10.0%;基于Double DQN的任务部署算法相较于较轮询调度（RR）、贪心调度（Gree...     

基于神经网络的机器人学习与控制：回顾与展望

机器人因其高效的感知、决策和执行能力,在人工智能、信息技术和智能制造等领域中具有巨大的应用价值。目前,机器人学习与控制已成为机器人研究领域的重要前沿技术之一。各种基于神经网络的智能算法被设计,从而为机器人系统提供同步学习与控制的规划框架。首先从神经动力学(ND)算法、前馈神经网络(FNNs)、递归神经网络(RNNs)和强化学习(RL)四个方面介绍了基于神经网络的机器人学习与控制的研究现状,回顾了近30年来面向机器人学习与控制的智能算法和相关应用技术。最后展望了该领域存在的问题和发展趋势,以期促进机器人学习与控制理论的推广及应用场景的拓展。     

静电纺丝法制备聚间苯二甲酰间苯二胺/氧化石墨烯复合纳米纤维膜及其性能研究

采用静电纺丝技术成功制备出聚间苯二甲酰间苯二胺(PMIA)/氧化石墨烯(GO)复合纳米纤维膜(PMIA/GO复合纳米纤维膜)。主要研究了GO的加入对PMIA/GO复合纳米纤维膜的结构、空气过滤性能和热稳定性的影响。实验结果表明,GO成功掺杂于PMIA/GO复合纳米纤维膜中,在GO的添加量为1.0%(wt,质量分数)时,PMIA/GO复合纳米纤维膜的空气过滤效率为97.79%,过滤压降为85.45Pa,玻璃化转变温度为299.8℃,具有较好的空气过滤性能和热稳定性。