一种计算机网络课的教学方法设计

就计算机网络课的讲授内容及实验内容进行设计,课堂讲授突出重点内容的教学,同时加强学生自学能力及主动学习能力的培养。在实验设计方面,充分利用现有的先进实验系统加大实验部分的内容及难度,让学生真正理解网络协议的工作。另外还就3所中外大学对于计算机网络课的教学内容等方面进行较为全面的比较。     

基于互补概念和搜索图的MUPS求解优化方法

本体调试是人工智能中非标准推理任务之一,对于本体工程具有很重要的意义.本文结合互补概念与基于术语集的搜索图提出极小不可满足子术语集求解的优化方法.首先,通过判断扩展的术语集是否包含互补概念,确定该子术语集是否需要进行概念可满足性检测,可以有效减少推理机的调用次数.接着,根据术语集扩展过程构造一个术语集搜索图,分别采用宽度优先搜索和深度优先搜索策略快速查找不可满足子术语集.该优化方法一方面减少了待测子术语集的规模,另一方面提高了查找不可满足子术语集对应的节点的查找效率.最后,实现了本文给出的各类优化算法并与现有的黑盒优化算法进行了比较.实验效果表明,本文方法从推理机调用次数和待测术语集规模方面均优于现有的MUPS求解方法,能够有效提高求解术语集MUPS的效率.     

基于远程面板技术的液化气装卸站监控系统设计

将PLC与LabVIEW相结合,完成了液化气装卸站计算机监控系统设计.利用远程面板技术,为系统提供了远程监控能力.给出远程面板技术的实现方法,讨论了其安全性设计.分析PLC与LabVIEW串行通信的设计方法,并给出程序实现.实践证明,该系统运行稳定可靠.     

单参数有理函数族M-J集族相似性的研究

讨论了Newton方法对应单参数有理函数族的广义Mandelbrot集和Julia集,研究了它们之间的族相似关系,并与Z^n＋c（n∈Z,n≥2）的Mandelbrot集和Julia集之间的族相似关系进行了对比。结果发现Mandelbrot集与Julia集的族相似关系是完全类似的,这一方面说明了参数平面与动力学平面复动力系统问的密切关系,也说明了这种密切关系的普适性,为Mandelbrot集和Julia集的拓展提供了新的思路。     

加权最小二乘法在钢琴基频估计中的应用

分析了基频丢失、谐波丢失及不谐和性对各种常用基频检测方法的影响,讨论了加不同长度汉宁窗、海明窗、切比雪夫窗和布莱克曼窗情况下,其他谐波旁瓣对谐波检测的影响,导出了加权最小二乘法测量基频的求解方法。Madab仿真实验表明,运用该方法进行基频估计的相对误差小于10^-4 完全满足钢琴定音调律的要求。     

一种稳定的标签传播社区发现算法

标签传播算法存在大量随机性,极大地破坏了算法的稳定性。在深入分析标签传播算法随机性产生原因的基础上,提出基于节点度的标签传播算法。该算法初始化时仅赋予节点度的极值点以标签,并根据邻接节点中具有相同标签的节点度之和进行标签更新。实验表明该算法极大地降低了算法中的随机性,提高了社区划分的稳定性,加快了算法的收敛速度。     

基于音色模型的多基频估计方法

为了有效解决复调音乐泛音重叠问题,提出了一种基于音色模型的多基频估计方法.分析了音色的时频特征,指出衰退和维持阶段的谐波结构稳定可靠、适合基频估计.根据谐波匹配率和强度筛选候选基频,采用频谱迭代删除的方法确定确切基频.依据最小谐波匹配率删减谱线,应用比例删除机制解决泛音重叠问题.仿真实验和实际乐曲测试结果表明,该方法精度高,可广泛应用于具有稳定谐波结构的音乐信号分析之中.     

一类复杂控制系统中任务模型的建立及调度方法的研究

针对将专家系统应用于实时环境的复杂情况以及专家系统在问题求解过程中花费的时间具有不确定性,在不精确计算的理论基础上,提出了一种渐进优化的专家系统设计模型,并对其在实时环境中的调度方法以及在该方法下深度优先和广度优先算法的实现进行探讨.     

海信人提出的数字化家庭信息系统

1引言随着计算机技术、数字技术、网络技术的发展及相关技术的融合,信息家电逐渐浮出水面,后PC时代已经到来。为了争夺这份市场,计算机行业努力使计算机家用电器化,同时家用电器行业努力使家用电器计算机化。从技术角度上理解,信息家电是信息技术（计算机技术、网络技术、数字技术）与传统的家用电器技术融合的产物。从功能的角度上来看,信息家电有家用电器的特征,具有信息的接收、发送、发布、交互等功能,同时具有网上自动化等功能。随着网络（Internet）功能的进一步增强、上网费用的不断降低,中国家庭上网的要求越来越强烈,…     

多尺度非局部自注意力MRI脑肿瘤分割网络

针对U-Net模型在MRI脑肿瘤分割上存在的感受野受限和全局信息捕获不足问题, 通过引入非局部自注意力机制与多尺度的金字塔卷积提出一种改进U-Net模型—PyCSAU-Net. 该模型以三维U-Net作为基础网络, 在第4层横向连接位置引入扩展的三维非局部注意力模块, 通过改善网络因卷积核大小受限导致的长距离建模能力不足问题来提升脑肿瘤分割精度; 此外, 在网络下采样阶段将普通卷积替换为具有多尺度特点的三维金字塔卷积, 在多级别和分辨率下来提取更具判别性的脑肿瘤深度特征. 在公开的BraTS 2019和BraTS 2020验证集上在完全肿瘤、增强肿瘤和肿瘤核心分割上分别取得了0.904/0.901、0.781/0.774和0.825/0.824的分割精度, 表明所提出PyCSAU-Net方法在脑肿瘤分割任务上的有效性和竞争力.