机动战士高达 基连的野望 阿克西斯的威胁V

曾经让PSP玩家大呼过瘾的《阿克西斯的威胁》在增加了大量全新游戏内容之后,即将在PS2与PSP平台与玩家见面。作为系列的新作,游戏不仅增加了新的机体和新的人物,而且还为玩家准备了新的剧本——“蒂姆·雷军”,以蒂姆·雷的角度审视这场战争定能让新老玩家获得不同的体验,除此之外4部新参战的高达作品也是本作的亮点。正因为有了如此厚道的游戏内容,所以游戏副标题上被冠以了“V”（Volume,足量）,届时高达饭们一定能够过足了瘾。     

怪物猎人3tri

作为Wii平台最值得期待的第三方大作之一,《MH3》每每有新消息公布都会引来无数猎人的关注和猜测。前不久同捆《MHG》发售的《NH3》DEMO虽然与TGS的试玩版相比缺少了挑战海龙的任务,但是对于广大玩家来说实际玩到才是王道,加上官方新近公布了游戏中全部七种武器类型,猎人们的期待度再次提升到满点。本次的特别报道中,我们将结合此次试玩版来为玩家介绍7种武器以及新地图“海原”。当然,试玩版中出现的3个大型怪物也会出现在本次的报道中,其中还有我们熟悉的对手雌火龙哦！     

基于PRI谱的双门限雷达信号分选算法及其硬件平台设计

针对修正的PRI变换法无法分选重频参差雷达信号的缺点,提出了一种基于PRI谱的双门限雷达信号分选算法.该算法先对PRI谱设定双门限检测各个准PRI,再结合组合查看及序列搜索提取各个PRI.同时,构建了一种预分选、主分选结合的新型分选平台.预分选利用带有PowerPC的FPGA构架片上系统,完成对脉冲雷达信号的实时测量、AOA分类及数据存储;主分选采用DSP专职完成其他维参数的分选算法.谊分选新算法在保留抑制PRI子谐波优点的同时,对重频固定、抖动和参差的雷达脉冲信号都有较好的检测结果.视频信号源的大量测试表明,谊分选平台对普通雷达、PRI抖动和参差雷达、频率捷变雷达及一些特殊雷达均具有较好的分选能力.     

重装升级 软件再多也不怕

随着电脑与网络技术的普及,工具软件的种类越来越多,可谓是鱼龙混杂,也许有时你真不知该选择哪个;你可能虽然安装了一些工具软件,但因软件升级越来越频繁,忙碌的你又没时间去逐个关注升级;重装系统对于你来说技术上已经不足问题,但常用的一大堆工具软件的安装是不是显得更麻烦？此外,系统越来越慢,也不知道是哪些软件搞的鬼;系统漏洞频频爆出,说不定哪一刻“流氓恶鬼”会住进你的电脑,也是你的心病。 你是不是也有如上的种种烦恼？没关系!安装一个迅雷软件助手就可以轻松搞定！     

如何放置显示器对你的健康很重要!

现今,几乎所有的上班族们在工作中都要用到电脑。在整天呆在电脑前工作之后,很多人在晚上会感觉不是这儿疼就是那儿痛,或引发一些疾病。关于如何合理地统筹安排电脑前的工作,以避免健康出现问题,俄罗斯临床医学专家提出了许多有效的建议。     

电脑辐射的四大危害

现今,几乎所有的上班族们在工作中都要用到电脑.在整天呆在电脑前工作之后,很多人在晚上会感觉不是这儿疼就是那儿痛,或引发一些疾病.关于如何合理地统筹安排电脑前的工作,以避免健康出现问题,俄罗斯临床医学专家提出了许多有效的建议.     

一种基于路由模拟的大规模网络管理方法

目前,Internet已经成为人们生活中的一个重要的交流平台,而Intemet上的信息良莠不齐,且随着信息发布的更加自动化,当前的网络控制管理手段往往跟不上网络上信息的变化,因此,需要一种更加自动化,且能够快速响应的大规模网络管理系统,本文提出了一种基于OSPF软件路由模拟的网络管理方法,并根据该方法设计了一种分布式网络管理系统,经过实验证明,该系统能够快速的隔离网络中的恶意节点,易于管理,高效可行.     

激光沉积制造翘曲变形检测与开裂预测研究

翘曲变形与开裂是激光沉积制造大型整体结构的瓶颈,限制了该技术的发展。为解决这一难题,笔者基于表面形貌监测系统提出了一种翘曲变形原位检测及开裂预测新算法。通过坐标系校准、滤波降噪、曲面重构等实现了原位检测与数据预处理,采用旋转切片和平行切片两种方案求取切片与重构表面的交线,计算交线的翘曲角与翘曲角变化量,根据翘曲阈值与开裂阈值判定翘曲变形并预测开裂。设定的阈值与制件尺寸呈反比关系,与翘曲度呈正比关系。实验结果表明：翘曲样件X向的最大翘曲角为3.98°,且该方向所有交线的翘曲角均超出了翘曲阈值（3.27°）,判定发生翘曲变形;薄壁件开裂影响区内翘曲角的最大值在第46～51层呈连续正增长趋势,翘曲角变化量为1.58°,且80%的交线的翘曲角变化量超出了开裂阈值（1.53°）,判定即将发生开裂,继续沉积至第55层时出现开裂。通过实验证实了所提算法检测翘曲与预测开裂的有效性,对激光沉积制造技术的发展具有重要意义。     

基于分布式深度强化学习的微网群有功无功协调优化调度

针对微网群的分布式有功无功协调优化调度问题,提出一种分布式多智能体深度强化学习方法,可训练智能体在与环境交互的过程中学习到最优调度策略,并克服传统优化方法对模型的依赖。相较于已有基于“集中训练”框架的多智能体深度强化学习方法,该方法无须收集全局信息,能够更好地保障各子微网信息的隐私,减轻通信压力,并且在训练和执行阶段均表现出对通信故障的鲁棒性。此外,考虑到微网群存在拓扑变化而强化学习模型泛化能力差,提出一种迁移强化学习方法,利用已有智能体知识为每种拓扑高效训练一组智能体。最后,通过改进的IEEE 33节点系统算例,验证了所提方法在解决微网群分布式有功无功协调优化调度问题上的有效性。     

基于等差划分的虚拟机实时迁移技术

研究了虚拟机的实时迁移。对局域网内存迁移的预拷贝算法、后拷贝算法以及由这两种算法构成的混合拷贝算法的特性进行分析,在改进混合拷贝算法的基础上提出了基于等差划分的虚拟机实时迁移技术,该技术把第一轮传输的内存页划分成近似等差数列形式的多段,以减少第二轮传输的内存页。不同工作负载条件下的试验表明,与混合内存拷贝方式相比,基于等差划分的虚拟机实时迁移技术平均减少了25%的同步内存位图时间,29%的后拷贝方式发送的内存页以及2.2%的总迁移时间,在一定程度上提高了混合内存拷贝方式的虚拟机实时迁移性能。