二维纳米材料改性环氧树脂的研究进展

环氧树脂作为一类重要的基础材料,在复合材料、防腐涂料和电子封装材料等领域有着重要的应用.二维纳米材料因其独特的性能已成为近年来的研究热点之一.环氧树脂/二维纳米材料复合材料不仅能改善环氧树脂的力学性能,还可赋予材料优异的导电性、导热性、电绝缘性和阻燃性等.本文系统地梳理了石墨烯及氧化石墨烯、氮化硼、金属有机骨架化合物、迈克烯和层状双金属氢氧化物等近年来研究较多的二维纳米材料对环氧树脂的改性,并对环氧树脂的未来发展前景和其他潜在应用进行了展望.     

基于长-短时序特征融合的资源负载预测模型

高准确率的资源负载预测能够为实时任务调度提供依据,从而降低能源消耗。但是,针对资源负载的时间序列的预测模型,大多是通过提取时间序列的长时序依赖特性来进行短期或者长期预测,忽略了时间序列中的短时序依赖特性。为了更好地对资源负载进行长期预测,提出了一种基于长-短时序特征融合的边缘计算资源负载预测模型。首先,利用格拉姆角场（GAF）将时间序列转变为图像格式数据,以便利用卷积神经网络（CNN）来提取特征;然后,通过卷积神经网络提取空间特征和短期数据的特征,用长短期记忆（LSTM）网络来提取时间序列的长时序依赖特征;最后,将所提取的长、短时序依赖特征通过双通道进行融合,从而实现长期资源负载预测。实验结果表明,所提出的模型在阿里云集群跟踪数据集CPU资源负载预测中的平均绝对误差（MAE）为3.823,均方根误差（RMSE）为5.274,拟合度（R²）为0.815 8,相较于单通道的CNN和LSTM模型、双通道CNN+LSTM和ConvLSTM+LSTM模型,以及资源负载预测模型LSTM-ED和XGBoost,所提模型的预测准确率更高。