关于“树根桩”补强基础的方法

关于“树根桩”补强基础的方法／在当今建筑结构设计中，常常会遇到需要对地基础进行补强加固的例子。例如加层，由于现时土地价格持续上涨，真所谓“一寸土地一寸金”，许多单位在征地困难的情况下，或原所在办公及住宅地处黄金地带，希望增加建筑使用面积，既快捷又少花...     

发电机定子铁心模态振动现场试验方法分析研究

为了防止汽轮发电机组在运行过程中定子铁心椭圆形模态振动频率与双倍的发电机的径向电磁力频率产生共振,必须对汽轮发电机定子铁心进行模态振动试验。结合若干典型汽轮发电机实例,介绍了目前对于电厂停机检修机组进行的发电机定子铁心模态试验的方法及特点,提出了现场试验过程中的注意点。指出发电机铁心模态振动现场测试是目前发电机安全监测工作中很好的技术补充测试手段。     

面向时间序列有序分类的Shapelet抽取算法

当前面向时间序列有序分类的Shapelet抽取算法，首先计算Shapelet与时间序列之间的欧式距离及其类别标签之间的距离，然后根据两种距离的皮尔逊相关系数或斯皮尔曼相关系数来对Shapelet进行评价，效率较低。针对该问题，提出一种基于SAX表示时间序列的Shapelet评价指标CD-Cover，该指标同时考虑Shapelet对时间序列数据集的覆盖集中度和覆盖优势度。其次，提出一种基于随机采样的Shapelet抽取算法，该算法采用布隆过滤器对候选Shapelet进行预剪枝，采用移除自相似策略对抽取结果进行后剪枝。在11个时间序列公开数据集上的实验结果表明，相比现有方法，该算法抽取的Shapelet具有更好的有序分类能力，且算法的计算效率也更高。     

工控网络异常检测中基于灵敏度的动态迁移算法

随着工控网络信息化程度的不断提高，工控网络逐渐变得更加开放，一方面给工业生产提供了便捷，但另一方面也带来了安全隐患。工控网络作为重要的基础设施，一旦受到攻击将产生严重损害。近年来不少学者使用网络异常检测技术来发现工控网络中潜在的安全隐患，取得不错的成果。然而工控网络中的数据往往缺少标注，这限制了传统监督学习类算法在工控网络安全领域的应用。基于非监督学习的算法可以在缺少标注的场景下实现异常检测，但是往往存在算法性能较差的问题，而迁移学习类算法可以通过在源域上学习后迁移到只有少量标注的目标域实现在少标注情况下的较高性能。为了进一步提高在缺少标注的工控网络中进行异常检测的性能，本文提出一种工控网络异常检测中基于灵敏度的动态迁移算法。首先该算法基于迁移学习的思想，在有标注的源域中进行训练后迁移到缺乏标注的目标域，可以在缺少标注的工控网络环境下进行异常检测。其次得益于门控循环单元的记忆效应，该算法可以有效利用工控网络数据内在的时序关联性，进一步提高算法异常检测的能力。同时该算法中的基于参数灵敏度因子对参数进行动态迁移的方法，改进了传统迁移学习微调方法对源域和目标域数据底层特征学习不均衡的不足。在...     

利用命题逻辑最大可满足性的冗余通孔最优插入方法

在纳米尺度的集成电路设计中,冗余通孔插入是减轻通孔失效造成良率降低问题的常用技术.文中将最优冗余通孔插入问题规约到命题逻辑最大逻辑可满足性(maximum satisfiability, Max SAT)问题,并利用完备求解器求取最优解.MaxSAT问题是一个NP困难问题,采用2种方法来降低求解难度;一是预选取方法,将提前确定的不与其他通孔产生冲突的冗余通孔作为部分解来降低问题的规模;二是分治法,根据连通分量将原问题划分成多个子问题分别求解,降低求解的复杂度.同时,从理论上证明这2种方法能够保证解的最优性.在2019年国际物理设计研讨会(ISPD)举办的详细布线比赛基准测试集上进行实验的结果表明,所提出的插入方法带来的时间开销不到详细布线时间的5%,算法的最优性保证了最大化解决插入冲突后的插入率,在所有可插入通孔中,冗余通孔的插入率为67%～87%.