周期性隔震基础的优化设计与试验验证

周期性隔震基础是利用周期性结构的衰减域特性,将地震动与上部结构自振频率接近的频率范围内的能量衰减,从而控制上部结构响应的新型隔震装置。周期性基础的隔震性能受到多方面因素的影响,包括局域共振子的调谐频率比、质量比、阻尼比、基体的刚度、上部结构与基础的相互作用以及地震动的频谱特性等。目前尚未有研究综合考虑上述因素的影响并提出周期性基础的设计方法。提出以一组地震动作用下上部结构峰值响应衰减率的平均值为目标函数,对周期性基础进行优化的设计方法。计算结果表明,按照该优化方法得到的周期性基础对上部结构在选取的44条地震动作用下,峰值响应的平均衰减率达30%。参数敏感性分析表明,优化设计得到的周期性基础对于自身参数的变化具有良好的鲁棒性。最后利用缩尺振动台试验验证了优化设计得到的周期性基础的隔震性能,证明了优化方法的有效性和优化结果的正确性。     

2019年SaaS企业TOP100

SaaS行业至少还有几十倍的上涨空间中国迈进21世纪20年代,这意味着新一轮经济周期即将到来。在过去20年中,中国消费互联网快速发展,与美国不相上下。然而在企业服务领域,中国仍和美国有所差距,如Microsoft、Oracle、SAP等7家巨头仍保持着长足的发力,而对于中国,仅有用友、金蝶两家较为典型的老牌软件企业以及一些中小企业,发展空间很大。     

隐式低秩稀疏表示的多视角子空间聚类

针对多视角子空间聚类问题,提出基于隐式低秩稀疏表示的多视角子空间聚类算法(LLSMSC).算法构建多个视角共享的隐式结构,挖掘多视角之间的互补性信息.通过对隐式子空间的表示施加低秩约束和稀疏约束,捕获数据的局部结构和稀疏结构,使聚类结果更准确.同时,使用基于增广拉格朗日乘子交替方向最小化算法高效求解优化问题.在6个不同数据集上的实验验证LLSMSC的有效性和优越性.     

面向心脏MRI分割的半监督空间一致性约束网络

精准分割心脏磁共振图像(MRI)分割对于心脏功能分析至关重要.当前基于数据驱动的神经网络模型极大地促进了心脏MRI分割的发展,然而对标注数据的依赖极大地限制了神经网络模型在心脏MRI分割领域的应用.为了降低神经网络模型对于标注数据的依赖,提出一种基于无监督空间一致性约束的半监督心脏MRI分割方法,在少量有标注数据的监督学习基础上,利用无标签数据在模型输入端和输出端分别进行空间变换后前后一致的特性,构建对于无标注数据的空间一致性约束.使用ACDC 2017心脏多组织分割数据集评估了所提出的方法,实验结果表明,相对于有监督学习,通过无监督数据的空间一致性约束能够显著提升模型的泛化能力;此外,相对于其他state-of-the-art的半监督方法,文中方法也拥有更优的泛化性能.