一个协同开发框架中的用户协同层模型

1 引言计算机支持协同工作CSCW(Computer-Support-ed Cooperative Work)以辅助人与人在日常工作中的交互为目的,支持一组用户参与一个共同的任务,并提供给他们访问共享环境的接口,由此为这个用户群提供协同支持。它反映了人们对计算机功能需求的改变,即希望计算机从传统的解决计算问题发展为辅助用户的交互活动。对于计算机支持协同工作要求尽可能体现用户之间的协同以方便用户的协同工作。所以对协     

5G系统部分频段电波穿透损耗对比测量与室内覆盖分析

5G系统中Sub 6 GHz和毫米波频段的综合结合应用是提供优质覆盖的关键,但某些频段易被障碍物遮挡,穿透性不足,为解决此问题,对典型建筑材料,如钢筋混凝土承重墙、单向透明玻璃、8 cm干燥石膏板非承重墙、干燥木门及组合物等的电波穿透损耗进行研究。基于测量的分析表明:5G毫米波从室外宏站覆盖室内是困难的,同时由于无源室内分布系统在毫米波频段传输损耗较大,传统的无源室内分布系统难以满足5G毫米波覆盖的需求,未来5G毫米波室内覆盖将主要依靠小基站和毫米波光载射频系统,由于传播环境的复杂性,无线工程师在5G毫米波室内覆盖规划工作中需要“一楼一策”,规划中测量工作的比重会显著上升。     

麻雀搜索算法优化BP算法结合高光谱预测小米米粉糊化特性

为了实现小米米粉糊化特征指标的批量、快速检测,探索计算机深度学习结合高光谱成像技术在小米米粉糊化特征指标预测方面的应用方法,本研究运用高光谱数据提取、预处理分步运算程序获得小米米粉平均光谱数据,并以该数据矩阵为基础,运用麻雀搜索算法（sparrow search algorithm,SSA）优化误差反向传播（error back propagation,BP）算法进行待测样品糊化特征指标回归、预测。结果表明,光谱数据预处理程序能够标准化并简化光谱数据提取、预处理过程,该程序在粉末及小颗粒样本光谱数据的提取、预处理过程中具有普遍适用性;运用BP算法及SSA优化BP算法对小米米粉糊化各特征指标进行预测,从预测值与测试值间均方误差（mean squared error,MSE）可以看出,各指标MSE均下降,以峰值黏度（peak viscosity,PV）为例,其MSE从0.026 6降为0.017 5,可知运用SSA优化BP算法能够提高小米米粉糊化特征指标预测精度,降低MSE。本研究结论可以为高光谱成像结合计算机深度学习在小米米粉糊化特性预测方面应用提供理论支撑。