Window Detection in Facades Using Heatmap Fusion

Journal of Computer Science and Technology - Window detection is a key component in many graphics and vision applications related to 3D city modeling and scene visualization. We present a novel...     

Utilizing an Animal Model to Identify Brain Neurodegeneration-Related Biomarkers in Aging

Glycine N-methyltransferase (GNMT) regulates S-adenosylmethionine (SAMe), a methyl donor in methylation. Over-expressed SAMe may cause neurogenic capacity reduction and memory impairment. GNMT knockout mice (GNMT-KO) was applied as an experimental model to evaluate its effect on neurons. In this study, proteins from brain tissues were studied using proteomic approaches, Haemotoxylin and Eosin staining, immunohistochemistry, Western blotting, and ingenuity pathway analysis. The expression of Receptor-interacting protein 1(RIPK1) and Caspase 3 were up-regulated and activity-dependent neuroprotective protein (ADNP) was down-regulated in GNMT-KO mice regardless of the age. Besides, proteins related to neuropathology, such as excitatory amino acid transporter 2, calcium/calmodulin-dependent protein kinase type II subunit alpha, and Cu-Zn superoxide dismutase were found only in the group of aged wild-type mice; 4-aminobutyrate amino transferase, limbic system-associated membrane protein, sodium- and chloride-dependent GABA transporter 3 and ProSAAS were found only in the group of young GNMT-KO mice and are related to function of neurons; serum albumin and Rho GDP dissociation inhibitor 1 were found only in the group of aged GNMT-KO mice and are connected to neurodegenerative disorders. With proteomic analyses, a pathway involving Gonadotropin-releasing hormone (GnRH) signal was found to be associated with aging. The GnRH pathway could provide additional information on the mechanism of aging and non-aging related neurodegeneration, and these protein markers may be served in developing future therapeutic treatments to ameliorate aging and prevent diseases.     

随机QoS 感知的可靠Web 服务组合

在面向服务的环境下,单个Web 服务往往不能满足用户的要求,这时就需将已有的单个Web 服务进行组合,以便产生满足用户需求的、增值的组合服务.已有的服务组合方法都很少考虑Web 服务的随机性和Internet 环境的动态性,从而在服务选择过程中产生的规划都是静态规划,结果导致在服务组合时都以较大概率出现组合失败.针对上述问题,提出了Web 服务各随机QoS 指标的度量方法和自适应QoS 管理体系结构,并利用随机型离散事件系统唯一的动态控制方法——马尔可夫决策过程(MDP),设计出随机QoS 感知的可靠Web 服务组合算法.实验结果表明,考虑随机性的QoS 度量方法和QoS 管理体系结构,以及平衡了“风险”与“报酬”的MDP 有效地提高了服务组合成功率.     

基于图神经网络的多维度池化图分类

目前很多处理图数据的图神经网络方法被提出,然而大多数研究侧重于对特征聚合的卷积层的研究而不是进行下采样的池化层.此外,形成聚类簇的池化方式需要额外计算分配矩阵;节点得分的池化方式排名方式单一.为解决上述问题,提高图分类任务的准确性,本文提出了一种新的基于多维度信息的图池化算子MDPool.该模型使用节点特征信息以及图拓扑结构信息,获取不同维度下的节点得分.使用注意力机制归纳不同维度下的得分权重,生成更为健壮的节点排名,基于节点排名自适应选择节点集合生成诱导子图.提出的MDPool可以集成到多种的图神经网络结构,将MDPool池化算子与图神经网络卷积层堆叠形成编码解码模型EDMDPool.在4个公开数据集的图分类任务中, EDMDPool均高于现有基线模型.     

共享合成Petri网的性质分析

组合Petri网的性质不变性对大型合成系统分析有着重要意义,从分析共享合成Petri 网的结构性质入手,分析了它的活性性质,给出了它的一个较为简单的活性判定的充要条件. 在此基础上,研究了共享合成Petri网的活性与行为不变性和状态不变性的关系,为系统合 成的活性和一致性的关系提供了分析依据.     

内容网络服务节点部署理论综述

内容网络通过在Internet上部署由多个服务器组成的服务节点来构成覆盖网,有效解决了新应用对网络的多样性需求与Internet尽力而为服务之间的矛盾,一直是学术界和工业界研究的热点.服务节点部署是内容网络研究的一个核心问题,部署好坏将直接影响到覆盖网络的服务质量和运行效率.随着Internet和网络应用的发展,内容网络所处的网络环境、服务质量的要求和与网络运营商之间的关系都出现了新的变化,传统服务节点部署理论面临着众多的新挑战.近年来,如何改善现有的服务节点部署理论已成为一个热点问题.文中系统总结了现有内容网络服务节点部署理论与应用,及其面临的挑战,针对挑战提出了新的研究方向与解决方案.     

一种基于不变量结构分解的工作流性能分析方法

基于工作流的Petri网结构化建模方法,证明了工作流网的P-不变量存在性、可覆盖性,给出了一个工作流模型可靠性(soundness)的充要条件,得到了基于P-不变量的多项式分解算法,克服了非多项式算法遍历的不足,降低了时间和空间复杂度,基于工作流网的定义,给出了包含时间等信息的广义工作流网的概念,在结构分解的基础上,利用矩姆函数,建立了工作流的时间性能分析方法,所得结果为工作流模型分析和验证提供了理论基础和依据,并可有效降低工作流系统的分析复杂度,对于分析工作流系统处理业务实例的能力,提高业务处理效率有重要意义,给出的实例验证了算法的有效性.     

可重写Petri网:位置可重写及性质分析

针对Petri网对动态系统重构形式化描述和建模能力的不足,提出了可重写Petri网和位置可重写Petri网的基本概念.分析了位置可重写Petri网保持有界性、保守性、可重复性及活性等性质.给出了位置可重写Petri网保持活性的一个充要条件.证明了共享合成Petri网是位置可重写Petri网的一个实例,建立了退化的位置可重写Petri网模拟共享合成Petri网的算法.所得结果能够为动态重构系统的Petri网形式化建模提供理论方法,为大规模动态分布式系统的形式化验证提供有效途径.