基于EAI的多层分布式应用与实现

针对目前大型企业各类应用迅速增加但应用之间缺乏有效通信的问题,采用企业应 用集成(EAI)技术,提出了4层分布式应用体系结构,实现流程自动化和松耦合的应用集成.文中首先从EAI技术和常见解决方案出发,详细阐述了表示层、企业门户、EAI总线层和数据源层的功能及软件结构,并结合电信业务运营支撑系统的实际需求,给出了J2EE平台下的应用实例开发.利用组件和容器的技术构建企业门户,通过工作流和企业Java组件(EJB)技术实现EAI总线,借助资源适配器完成应用之间的互连互通.该系统现已投入实际运行,取得了良好的应用效果.     

梯度功能材料的研究评述

叙述了梯度功能材料（FGM）的概念，结构特征以及制备方法。评述了梯度功能材料研究的现状，提出了将梯度功能材料与纳米材料、梯度功能材料与智能材料系统地结合，将是21世纪材料科学发展的主导方向之一。     

多级复合布尔函数性能研究

本文研究了加法复合布尔函数和乘法复合布尔函数,在平衡性、k次项系数、K次扩散准则(PC)、相关免疫 性(CI)、Walsh谱、代数次数、小项分布等方面得到了一批新结果。     

太阳电池板结构应力-应变状态分析

多层胶接是太阳电池板的结构特点,由于不同材料的弹性模量、热膨胀系数和泊松比不同,在温度场 作用下会产生热应力应变,在多次热交变过程中热应力．应变累积最后导致结构层间剥离,因此研究温度场作用 下太阳电池板结构应力应变状态具有非常重要的实际意义。本文推导了模拟太阳电池板结构应力-应变状态的一 维模型,该模型同样适用于分析多层胶接结构应力应变状态。     

基于层合板理论的多层加筋碎石垫层承载特性分析

为研究多层加筋垫层自身极限承载特性,考虑多层土工格栅的加筋作用,假设加筋垫层为层合板,并根据静力平衡条件和应变连续条件,分析得出加筋垫层的极限承载能力计算方法,通过室内试验对理论推导公式进行结果验证。研究结果表明:理论计算与试验结果吻合较好;随着格栅层数、垫层厚度、碎石抗剪强度的增加,多层加筋垫层自身极限承载能力增强;随着桩间距和底层格栅距桩帽距离的增大,多层加筋垫层自身极限承载能力降低。     

多层结构隐身涂层附着力测试探讨

优选了多层结构隐身涂层附着力的测定方法,研究了多层结构隐身涂层在自然环境中附着力的变化规律,指出了树脂耐低温和耐温变的重要性。     

Effective prediction of DEA model by neural network

In this paper,a fast neural network model for the forecasting of effective points by DEA model is proposed,which is based on the SPDS training algorithm.The SPDS training algorithm overcomes the drawbacks of slow convergent speed and partially minimum result for BP algorithm.Its training speed is much faster and its forecasting precision is much better than those of BP algorithm.By numeric examples,it is showed that adopting the neural network model in the forecasting of effective points by DEA model is valid.     

城市构筑物暴雨内涝分层模拟技术及应用

气候变化和城市快速发展,导致我国城市洪涝问题日益突出。城市洪涝模拟是当前城市洪涝灾害风险管理领域研究热点,但国内外依然缺乏针对城市多层构筑物的精细模拟技术和方法。城市立交桥,是一种典型的城市多层构筑物,极易遭受洪涝灾害,并对城市交通造成严重影响。以城市立交桥为代表,在现有全分布式城市暴雨内涝模型基础上,结合城市立交桥的特点,提出一种分层模拟技术,并从网格分层构建、分层产汇流计算、地表与管网分层耦合和上层网格排水等方面详细阐述了分层模拟技术。将该分层模拟技术应用于深圳市罗芳立交桥2018年“8.29”暴雨积水过程模拟,与单层模拟方法相比,多层模拟结果更接近上报积水信息。研究表明,分层模拟技术更能准确表达城市复杂多层建筑物的实际暴雨内涝过程。     

融合评分矩阵和评论文本深度神经网络推荐模型

针对个性化推荐中用户评分矩阵数据集稀疏,用户和项目描述信息未充分利用的问题,提出融合评分矩阵和评论文本的深度神经网络推荐模型(deep neural network recommendation model,DeepRec)。首先将通过数据预处理得到的用户偏好特征和项目属性特征的文本集合分别输入到卷积神经网络进行训练,得到用户和项目的深层次非线性特征,同时将评分矩阵输入多层感知机得到用户偏好隐表示,并对两种模型提取的用户偏好隐表示进行融合;其次利用多层感知机建模用户和项目隐表示对用户进行个性化推荐;最后基于三组数据集以均方根误差为评估指标进行对比实验。结果表明DeepRec的预测误差更低,有效提高了推荐的精准度。     

基于注意力机制的多层次编码和解码的图像描述模型

图像描述任务是图像理解的一个重要分支,它不仅要求能够正确识别图像的内容,还要求能够生成在语法和语义上正确的句子。传统的基于编码器-解码器的模型不能充分利用图像特征并且解码方式单一。针对这些问题,提出一种基于注意力机制的多层次编码和解码的图像描述模型。首先使用Faster R-CNN（Faster Region-based Convolutional Neural Network）提取图像特征,然后采用Transformer提取图像的3种高层次特征,并利用金字塔型的融合方式对特征进行有效融合,最后构建3个长短期记忆（LSTM）网络对不同层次特征进行层次化解码。在解码部分,利用软注意力机制使得模型能够关注当前步骤所需要的重要信息。在MSCOCO大型数据集上进行实验,利用多种指标（BLEU、METEOR、ROUGE-L、CIDEr）对模型进行评价,该模型在指标BLEU-4、METEOR和CIDEr上相较于Recall（Recall what you see）模型分别提升了2.5个百分点、2.6个百分点和8.8个百分点;相较于HAF（Hierarchical Attention-based Fusion）模型分别提升了1.2个百分点、0.5个百分点和3.5个百分点。此外,通过可视化生成的描述语句可以看出,所提出模型所生成的描述语句能够准确反映图像内容。