泛函网络神经元构造理论与方法

泛函网络是近年提出的一种对神经网络的有效推广.与神经网络不同,它处理的是一般的泛函模型,它在各个神经元之间的连接没有权值,并且神经元函数不固定的,往往是一给定的基函数的组合,泛函网络学习的目的就是求出神经元函数的精确表达式或近似表达式. 迄今关于泛函网络神经元基函数的存在性和选取方法缺乏理论依据.文中基于Banach空间中偏序理论,分析了泛函网络神经元基函数的存在性,给出了泛函网络神经元基函数选取方法,对于完善泛函网络的基础理论具有参考价值.     

基于YOLOv3的手势识别算法

随着手势识别技术和人机交互技术的不断进步,出现了很多人机交互的汽车控制方式。手势交互具有便捷、直观、形象的特点,能够改善传统的方向盘控制模式。基于此,设计基于YOLOv3的手势识别算法。该算法通过优化训练方式调整非极大值抑制（Non-Maximum Suppression,NMS）阈值,进一步提高了手势识别算法的性能。     

公共支路阻抗耦合对碳化硅MOSFET器件并联电流分配的影响及优化

为了评估公共支路阻抗耦合效应对碳化硅MOSFET器件并联动静态电流分配的影响,改善并联器件间电流分配的一致性,首先建立包含关键寄生电阻和寄生电感的等效电路模型,分析公共支路阻抗耦合对并联器件动态和静态电流分配的影响。然后,针对不同应用工况下并联器件个数不同的问题,提出n个器件并联支路阻抗补偿的方法。通过对并联器件的漏极测和源极侧阻抗进行补偿,可以消除公共支路阻抗耦合效应对并联器件动静态电流分配的影响。最后,搭建支路阻抗补偿前和补偿后的仿真电路和实验平台。结果表明,通过对并联器件支路阻抗进行补偿,可提升并联器件动静态电流分配的一致性,验证了该方法的有效性。     

基于粒子群算法的LCLC谐振变换器优化设计

LCLC谐振变换器广泛应用在空间行波管放大器(TWTA)中,起到升压的作用.在LCLC谐振变换器中,具有多个谐振参数,即变压器漏感、串联谐振电容、励磁电感以及并联谐振电容.多个谐振参数增加了LCLC谐振变换器总损耗优化的难度.该文提出一种基于粒子群优化算法的LCLC谐振变换器优化设计方法,解决LCLC谐振变换器由于多个谐振参数造成的总损耗优化困难的问题.首先,推导了LCLC谐振变换器的总损耗公式;其次,采用粒子群优化算法,对LCLC谐振变换器的总损耗进行了优化,得到了总损耗最小时的谐振变换器参数;最后,基于优化的LCLC谐振变换器参数,搭建了LCLC谐振变换器,并进行了一系列实验.实验结果证明了该优化设计方法的有效性.     

一种联邦学习中的公平资源分配方案

联邦学习(federated learning, FL)是一种可用于解决数据孤岛问题的分布式机器学习框架,多个参与方在保持数据本地私有的情况下协作训练一个共同模型.但是,传统的联邦学习没有考虑公平性的问题,在实际场景中,参与者之间的数据具有高度异构和数据量差距较大的特点,常规的聚合操作会不经意地偏向一些设备,使得最终聚合模型在不同参与者数据上的准确率表现出较大差距.针对这一问题,提出了一种有效的公平算法,称为α-FedAvg.它可以使聚合模型更公平,即其在所有参与者本地数据上的准确率分布更均衡.同时,给出了确定参数α的方法,能够在尽可能保证聚合模型性能的情况下提升其公平性.最后,在MNIST和CIFAR-10数据集上进行了实验和性能分析,并在多个数据集上与其他3种公平方案进行了对比.实验结果表明：相较于已有算法,所提方案在公平性和有效性上达到了更好的平衡.     

热处理对Fe-Cr-Mo合金阻尼性能的影响

通过DMA(动态热机械分析仪)测量Fe-Cr-Mo合金阻尼性能,研究了热处理工艺对Fe-Cr-Mo合金阻尼性能的影响;通过OM进行组织观察,并且分析了不同退火温度及冷却方式下合金微观组织对阻尼性能的影响。结果表明,合金在950~1150℃的退火温度范围内,随着退火温度升高,内耗增大;并且水冷后的合金内耗较小,炉冷后的合金内耗较大。分析认为,950℃热处理,内应力大,内耗较小,并且由于晶界多,磁畴壁移动困难,对应边敏感度小,而1150℃的热处理则内应力小,内耗较大,并且由于晶粒长大,晶界数量少,磁畴壁移动容易,对应边敏感度大。由于水冷冷速过快,造成成分不均,内应力较大,内耗小于炉冷的内耗。     

基于演化计算的异常轨迹并行检测算法

异常轨迹检测是轨迹数据挖掘研究领域的一个重要研究内容,基于演化计算的异常轨迹检测算法(Top-k evolving trajectory outlier detection, TOP-EYE)是一种有效的异常轨迹检测算法。不同于其他算法采用的轨迹距离计算方法,TOP-EYE算法 从轨迹的方向和密度角度出发,采用演化计算的方式检测异常。为了提高TOP-EYE算法对海量轨迹数据集异常检测的效率,本文在其基础上提出了基于MapReduce的异常轨迹检测并行算法(Parallel detecting abnormal trajectory based on TOP-EYE, PDAT-TOP ),利用MapReduce并行计算的优势提高了异常轨迹检测的效率。将算法PDA T-TOP在Hadoop平台上加以实现,实验结果表明,算法PDAT-TOP能够有效地检测异常轨迹,并且具有较高的可扩展性和加速比。     

基于滑动窗口的微博时间线摘要算法

时间线摘要是在时间维度上对文本进行内容归纳和概要生成的技术。传统的时间线摘要主要研究诸如新闻之类的长文本,而本文研究微博短文本的时间线摘要问题。由于微博短文本内容特征有限,无法仅依靠文本内容生成摘要,本文采用内容覆盖性、时间分布性和传播影响力3种指标评价时间线摘要,并提出了基于滑动窗口的微博时间线摘要算法(Microblog timeline summariaztion based on sliding window, MTSW)。该算法首先利用词项强度和熵来确定代表性词项;然后基于上述3种指标构建出评价时间线摘要的综合评价指标;最后采用滑动窗口的方法,遍历时间轴上的微博消息序列,生成微博时间线摘要。利用真实微博数据集的实验结果表明,MTSW算法生成的时间线摘要可以有效地反映热点事件发展演化的过程。     

NT图形工作站发展趋势

ＮＴ图形工作站是一种基于Ｗｉｎｄｏｗｓ ＮＴ和ＰＣ架构的用于图形处理的计算机。随着计算机技术的发展,加上国内客户观念的逐步转变,ＮＴ图形工作站（Ｗｏｒｋｓｔａｔｉｏｎ）在国内销量迅速提高。目前ＮＴ图形工作站的应用主要分为机械设计（ＭＤＡ）、数字内容创作（ＤＣＣ）、电子工程分析（ＥＤＡ）、金融分析（ＦＡ）和虚拟现实（ＶＩＳＵＡＬＩＺＥ）等五类。 由于传统ＵＮＩＸ／ＲＩＳＣ工作站在计算速度、图形处理、系统Ｉ／Ｏ、操作系统等方面的卓越性能,使其长期占领市场。但计算机工业发展至今,这种局面已经完全改变,采…     

基于ＨＦＬＡＮＮ自组织多项式网络学习算法

首先提出一种双曲函数型神经网络HFLANN,设计出一类基于HFLANN网络的层次双曲型函数网络HHFLANN,给出了HHFLANN的网络学习算法,使其在用于非线性的拟合中体现了较强的优越性,对于任意的Volterra级数使用HHFLANN网络来逼近是完全可行的,该算法较GMDH算法和SOP算法,具有快速简单的特性,它优于GMDH算法,有规律地选取部分多项式;优于SOP算法,在构造SOP网络不需要太多的中间隐层,从而加快了学习过程,提高了网络的逼近性能,更适合于具有层次结构的应用领域。