高校校园网建设需求分析

近年来,互联网技术快速发展,在众多领域都得到了应用,它不仅推动了单领域内的信息共享,同时也是多领域间信息共享的高效途径。高校作为科技创新的前沿阵地,是科技创新体系的重要力量。高校的信息化和智能化建设是高校建设的重要环节,是教学和学术信息高效交流的重要保障。因此,文章针对校园网的基础建设需求展开了分析。     

铁尾矿沥青混合料基本性能及老化耐久性研究

为了避免过度使用天然砂石材料做为沥青混合料的骨料以及符合绿色发展的战略方针，采用固体废弃物铁尾矿来代替砂石材料来制备一种新型的铁尾矿沥青混合料。采用质谱仪对所选用铁尾矿进行化学成分分析，并对不同铁尾矿掺量作用下沥青混合料的针入度、锥入度、软化点、延度、粘度以及老化耐久性等方面进行了研究。研究结果表明:铁尾矿沥青混合料的较佳制备温度选定为180℃；综合经济效益和有效性确定铁尾矿的较佳掺量为30%；相对老化后的铁尾矿沥青材料而言，在同一铁尾矿掺量作用下两种不同沥青混合料老化前的针入度和延度均出现了降低的趋势，但是在同一铁尾矿掺量作用下两种不同沥青混合料老化前的软化点却出现了增大的趋势。综合分析得到:温度为180℃以及铁尾矿掺量为30%制备的沥青混合料可以满足公路的路用要求。所有沥青试样的光谱变化规律基本一致，说明了掺入铁尾矿改性沥青的结构与未掺入铁尾矿沥青的结构基本一致；但是随着铁尾矿掺量的增大，沥青的FT-IR光谱在同一波数作用下却呈现出不断减小的变化趋势，说明了铁尾矿可以有效改善沥青的物理性能。      

疫情下电磁场理论课程的网络教学

本文主要总结了新冠疫情期间作者的电磁场理论课程在线教学经验。对比分析了录播和直播的优缺点后,选择录播教学方式。基于超星网络教学平台,展示了录播网络教学的具体措施,包括网上答疑和学习效果检查以及在线批改作业等。给出了网络教学可以为线下教学继续使用的方法和手段,为疫情结束后的正常教学提供了新的网络教学补充措施。     

5G核心网业务模型的智能化预测研究

摘 要：核心网业务模型的建立是5G网络容量规划和网络建设的基础，通过现有方法得到的理论业务模型是静态不可变的且与实际网络存在偏离。为了克服现有5G核心网业务模型与现网模型适配性较差以及规划设备无法满足用户实际业务需求的问题，提出了一种长短期记忆（long short-term memory，LSTM）网络与卷积LSTM （convolution LSTM，ConvLSTM）网络双通道融合的 5G 核心网业务模型预测方法。该方法基于人工智能（artificial intelligence，AI）技术以实现高质量的核心网业务模型的智能预测，形成数据反馈闭环，实现网络自优化调整，助力网络智能化建设。     

价值网络语境下企业设计价值创新路径研究

目的 在新的视角下，提出一种价值创新路径模型，对设计驱动型企业的价值实现方式进行有效补充。方法 通过文献研究，论述了企业关系由价值链到价值网转变的历史趋势;通过比较研究，对价值实现过程中主客体之间的4种关系进行了类比分析，提出了不同主客体关系状态下设计实践的具体表现方式。结果 在价值网络语境下，以价值论为理论依据，从主客体之间的关系入手，构建设计价值创新路径模型。结论 通过分析证明:“主客体统一状态”是企业价值创造的理想状态;主客体关系一直处于动态的变化过程中;客体对主体的“意义”也一直处于动态变化中。在这种动态变化的关系网络中，设计驱动方式已经成为企业创新的重要模式，企业如何捕获并诠释“意义”，成为价值实现的关键所在。     

面向异步网络的安全分布式随机数通用构造

随机数在密码学和区块链领域扮演着极其重要的角色，如密码学中的安全参数生成、共识机制中的委员会重配置以及电子投票的智能合约应用等.近年来针对不依赖可信第三方的分布式随机数生成技术的研究受到了越来越多的关注，其中基于秘密共享的方案数量最多，但普遍通信复杂度较高，而通信复杂度较低的一些方案通常牺牲了随机数的抗偏置性和不可预测性.另外，现有大多数方案基于同步网络模型，网络假设较强，与现实网络环境不符.本文主要研究基于秘密共享的分布式随机数生成技术，抽象出不同方案的共性并兼容特殊性，以及弱化网络假设和优化通信开销.具体贡献如下：(1)提出了交互的分布式随机数生成通用构造.满足伪随机性、唯一性和鲁棒性安全目标，并使用该通用构造对一个分布式随机数生成方案进行了分析，从而更加证明其通用性；(2)设计了面向异步网络的安全分布式随机数生成方案.将现有方案O(n³)和O(f²n²)的通信复杂度降为O(fn²)，将O(fn²)计算复杂度降为O(n²);(3)实现了分布式随机数仿真...     

基于SSD的眨眼与打哈欠检测

提出了一种新的基于SSD网络的眨眼与打哈欠检测。首先,对原SSD架构进行四个方面的修改。第一,主干网用MobileNetV3替换了VGG,使得架构尺寸缩减三分之一。第二,重新设计了输出检测器,实现了目标检测与分类、目标定位与高宽比回归多任务的融合。第三,网络直接回归高宽比,比传统的从关键点离线计算高宽比的方法鲁棒性要高。第四,省去了非最大抑制层(NMS)中的重叠度(IOU)计算和阈值设定,使得单目标检测速度提高了40%。另外,在数据集YawDD上验证了所提出方法的有效性,眨眼与打哈欠的测全率为95.1%与100.0%,在单卡2080Ti上实现了41fps的高检测速度。