基于神经网络算法的三维模型预取系统

三维漫游已经成为十分普遍的远程游览或监控的一种方式。三维漫游过程中,系统往往需要动态调用数据并生成三维模型,这会影响系统运行的效率,降低用户体验。针对这一问题,提出一种基于神经网络的智能预取系统。历史访问日志中,模型的特征与被访问频率之间的映射被提取出来,并用以训练系统。系统可以根据模型特征判断哪些模型更可能被用户请求到,并把它们提前存入内存中。通过某三维变电站实时监控与装配管理系统对该预取系统进行验证。结果表明,通过短时间(一天)对系统的训练,即可做出长期(三个月)的高准确率(90%)的预测,有效提高了系统运行的效率。     

基于GFU和分层LSTM的组群行为识别研究方法

提出一种以"关键人物"为核心，使用门控融合单元（GFU，Gated Fusion Unit）进行特征融合的组群行为识别框架，旨在解决两个问题：①组群行为信息冗余，重点关注关键人物行为特征，忽略无关人员对组群行为的影响；②组群内部交互行为复杂，使用GFU有效融合以关键人物为核心的交互特征，再通过LSTM时序建模成为表征能力更强的组群特征.最终，通过softmax分类器进行组群行为类别分类.该算法在排球数据集上取得了86.7%的平均识别率.     

好消息! 本刊正式加入OSID开放科学计划了!

想在手机上"听"论文作者的"有声略读"吗?想看到论文中的彩图、实验视频(黑白纸媒是无法实现的)吗?想直接跟论文作者沟通,而又不想费时费力去发E-mail吗?想要拓展学术资源吗?想看看本篇文章都被哪些人读吗?想跟学术大咖产生联系吗?想要避免投稿到钓鱼网站吗?想要节约时间,快速Get本文核心成果吗?想交流请教投稿发表经验吗?现在,小编可以高兴地告诉各位,以上想法,均可通过"OSID开放科学计划"实现!     

医学专业大学新生适应问题与应对方式、人格特征相关研究——以海南医学院医学新生为例

目的:了解医学专业大学新生适应问题的现状,不同医学生在适应问题、应对方式的选择及人格特质层面的差异并分析适应性与应对方式及人格特质的关系。方法:采用大学生适应性量表(CCSAS)、大五人格量表以及应对方式量表对海南医学院322名医学专业大学新生进行测评。比较不同性别学生各量表评分情况,分析各量表间的相关性。结果:男学生校园生活适应、情绪适应评分及适应性总分均高于女学生(P<0.05)。不同性别学生各项应对方式评分及总分比较,差异均无统计学意义(P>0.05)。男学生情绪稳定性、外向性及宜人性评分低于女学生(P<0.05)。外向性、开放性、宜人性和谨慎性与适应性量表各维度均呈正相关(P<0.05),情绪稳定性与适应性量表各维度均呈负相关(P<0.05)。解决问题和求助与适应性量表各维度均正相关(P<0.05),适应性量表各维度和自责、幻想、退避及合理化均呈负相关(P<0.05)。结论:医学专业大一新生对大学新生活存在不适应问题,其中男生对新环境的适应性更强,女生情绪稳定性、外向性及宜人性更强。外向性、开放性、宜人性和谨慎性与适应性均呈正相关,情绪稳定性与适应性均呈负相关;解决问题和求助与适应性均正相关,自责、幻想、退避及合理化与适应性均呈负相关。     

基于词法特征的恶意域名快速检测算法

针对互联网中恶意域名攻击事件频发，现有域名检测方法实时性不强的问题，提出一种基于词法特征的恶意域名快速检测算法。该算法根据恶意域名的特点，首先将所有待测域名按照长度进行正则化处理后赋予权值；然后利用聚类算法将待测域名划分成多个小组，并利用改进的堆排序算法按照组内权值总和计算各域名小组优先级，根据优先级降序依次计算各域名小组中每一域名与黑名单上域名之间的编辑距离；最后依据编辑距离值快速判定恶意域名。算法运行结果表明，基于词法特征的恶意域名快速检测算法与单一使用域名语义和单一使用域名词法的恶意域名检测算法相比，准确率分别提高1.7%与2.5%，检测速率分别提高13.9%与6.8%，具有更高的准确率和实时性。     

信息化教学设计的误区和应对策略

本文归纳了目前教师在信息化教学设计中所存在的误区,在对其进行原因剖析的基础上,为一线教师提出了避免误区的应对策略,以期为教师信息化教学设计和教学实施提供借鉴。     

有一种病叫“俄罗斯病”

<正>俄罗斯经济增长与能源价格并不具备简单线性相关性,油价通过影响俄罗斯民众的信心而起作用。上个世纪70年代,石油就曾被委内瑞拉前石油部长胡安·阿方索冠以"恶魔的粪便"的恶名。丰富的自然资源似乎并不能带来国家经济的发展。"石油诅咒"就像一种自身免疫性病毒,在攻击健康肌体的同时,也会削弱肌体免疫系统的抵抗能力。"资源诅咒"虽然谬于常理,但除少数国家如挪威、美国、澳大利亚以及智利和博茨瓦纳例外以外,基本已经成为了一条金科玉律。