Java课程教学改革的探索与实践

传统的Java课程教学模式,已不能满足市场对人才的需求,也不符合我院培养应用型人才的办学定位。为此,从教学内容、教学方法、实践环节以及考评方式等方面对Java课程改革进行探讨并予以实践,从而提高教学质量．以更好地适应Java人才的社会需求。     

经济管理类院校《微积分》教学浅析

针对经济管理类院校学科专业的特殊性,给出经济管理类院校《微积分》教学应该培养学生的学习兴趣,明确学习《微积分》的重要性和必要性,重视《微积分》在经济中的应用,灵活的应用多媒体教学,巧妙设计课后作业等几点建议。     

基于 Hadoop 的电站数据中心云计算模型磁

针对云计算中的虚拟化、分布式存储与并行编程模型等问题,提出基于云计算的多电站计算平台的体系结构,实现电站数据中心的可靠存储与快速并行处理。详细讨论了传统的电站计算平台在数据存储和数据处理过程中的不足,设计了基于 Hadoop 的电站数据中心云计算平台,并利用 Hadoop 云计算平台对数据检索的效率进行实验比较分析。     

基于Blowfish和MD5的混合加密方案*

针对Blowfish算法在实际应用中存在的等价密钥、重复初始化等问题,提出Blowfish与MD5算法相结合,将MD5算法的生成值作为密钥的一部分对Blowfish算法进行初始化,使用概率统计方法证明该方案弥补了Blowfish算法的实际应用缺陷。计算结果表明,混合加密方案具有更高的安全性、更快的速度。     

基于MAS的多机械手协调工作控制

为了解决全自动化晶体切片角分类机三个机械手协调工作的控制问题,设计了以MAS理论为基础的分布式网络控制器.系统利用黑板结构来实现全局动态目标下的状态信息的共享,采用多Agent理论对三个机械手进行协调工作控制,解决了机械手之间的运动耦合问题,使之能够在同一个时间和不同的空间内协调与配合工作,完成整体工作任务.基于此设计的设备可改善工人的劳动环境、提高生产效率、确保晶体切片切角的测量与分类准确.     

强化两相混合的超临界技术制备聚乳酸微粒

针对商品化聚乳酸微球粒径分布较宽难于适用气溶胶给药要求的不足,采用水力空化混合强化超临界流体辅助雾化技术(SAA-HCM)制备聚乳酸(PLA)超细微粒.该技术主要特点是通过在超临界流体和液相进料处引入水力空化混合器,强化两相间的混合.考察SAA-HCM过程混合器压力、温度、沉淀器温度、进料中CO2与液体溶液质量流量比和溶液质量浓度等操作参数对微粒形态和粒径分布的影响,成功制备出球形度较好,粒径分布较窄(1～3μm)的PLA微球.经X射线衍射(XRD)分析和差示扫描量热(DSC)分析显示,与原料PLA相比,微球晶型及热曲线变化不大,但结晶度下降.同时把操作参数与相行为进行关联,探讨了影响颗粒形貌的机理.对比超临界流体辅助雾化法(SAA)的实验结果表明:水力空化的引入能有效强化混合器内的两相传质,混合更好,能制备出适用于气溶胶给药要求的超细微粒.     

古木建筑榫卯连接M-θ相关曲线模型研究

通过对木结构榫卯连接模型试验及其试验结果分析,得出影响连接刚度的主要因素是替木尺寸,榫头尺寸和卯孔对柱的削弱程度.利用最小二乘法对试验数据进行处理,得出榫头尺寸及卯孔对刚度影响的规律.在原有的3参数幂函数模型的基础上,建立适合木结构榫卯连接的4参数幂函数弯矩-转角的相关曲线模型.本文基本结论可以为古木结构的研究和修缮工作提供一些理论帮助.     

基于2D与3D匹配模型的变压器全损耗特征计算

变压器损耗分布和绕组形变、变压器热传递等因素有着密切联系,损耗计算是变压器绕组结构和绝缘配合设计的关键问题.随着变压器等级容量的不断提升,使用传统的经验公式或简单的数值计算方法进行损耗分析往往具有较大的偏差.依据有限元理论构建了一种基于2D与3D模型匹配的变压器损耗混合模型计算方法,在降低计算量的同时兼有计算的准确性.并以一台400 kVA的三相电力变压器为例,得到了变压器损耗分布规律:变压器内部固定夹件的杂散损耗主要分布于夹件的内侧面,并集中于靠近线圈的边缘,在油箱壁侧面、背面和底面损耗分布呈现抛物面形、"驼峰"形和"三峰值"形;高低压绕组损耗分布趋势与电流密度的分布基本吻合,整体绕组和导体内部损耗分布趋近于高压绕组之间的夹缝和绕组两端方向.     

适用于RPA工具的卷积序列推荐算法

在机器人流程自动化(Robotic Process Automation, RPA)软件中,经常采用序列推荐系统让机器人完成判断、选择等人工处理的任务。然而常用的序列推荐系统受限于序列信息的提取困难等问题,难以得到广泛应用。为了解决这一问题,构建一种基于Inception的卷积序列推荐模型,把时间和潜在空间中的用户行为序列信息嵌入进一幅“图像”中,并通过动态和静态2种不同的卷积层提取其中的局部特征,全面地提取用户的短期兴趣偏好,同时将用户嵌入矩阵作为用户的长期兴趣偏好嵌入到卷积层的输出中,共同构建完整的用户兴趣偏好,提升推荐性能。通过在3种公开数据集MovieLens 1M、Gowalla、Steam上分别进行实验,验证了基于Inception的卷积序列推荐模型的性能优于最新的序列推荐模型,在Top-N序列推荐的3种评价指标中（精确率、召回率、平均AP值）,平均提升幅度在10%左右,单个指标上的最大提升幅度为14%。     

基于密集Inception的单图像超分辨率重建方法

近几年,基于卷积神经网络（CNN）的单图像超分辨率（SR）重建方法成为了主流。通常情况下,重建模型的网络层数越深,提取的特征越多,重建效果越好;然而随着网络层数的加深,不仅会出现梯度消失的问题,还会显著增加参数量,增加训练的难度。针对以上问题,提出了一种基于密集Inception的单图像SR重建方法。该方法引入Inception-残差网络（Inception-ResNet）结构提取图像特征,全局采用简化后的密集网络,且仅构建每一个模块输出到重建层的路径,从而避免产生冗余数据来增加计算量。在放大倍数为4时,采用数据集Set5测试模型性能,结果显示与超深卷积神经网络的图像超分辨率（VDSR）相比,所提方法的结构相似性（SSIM）高了0.013 6;与基于多尺度残差网络的图像SR（MSRN）相比,SSIM高了0.002 9,模型参数量少了78%。实验结果表明,所提方法在保证模型的深度和宽度的情况下,显著减少了参数量,从而降低了训练的难度,而且取得了比对比方法更好的峰值信噪比（PSNR）和SSIM。