淤地坝监测场景下边缘计算协作式任务调度方法

针对目前我国西北地区淤地坝实时监测问题,研究了淤地坝监测与预警任务的调度方法.为避免淤地坝坝体隐患发现不及时,提高预警系统的时效性,本文考虑了任务卸载至边缘服务器的平均等待时间,提出了一种淤地坝监测场景下边缘计算协作式任务调度方法.根据任务计算量、边缘服务器计算能力等信息建立计算任务完成时间模型,然后采用模拟退火算法优化计算任务卸载位置,设计了一种多个边缘计算服务器相互协作的任务调度策略.实验结果表明,该方法有效降低了监测任务的计算时间,提高了监测预警的时效性.     

基于高精度流线生成的交互流场可视化

高效准确的流线绘制一直是流场可视化的重要研究内容,流线可以对流场的重要特征进行有效的稀疏表示,但流线需要长期的粒子追踪过程及大量的积分计算,在面向大规模流场可视化时时间效率较低,需要高性能计算设备进行辅助计算.本文通过设计一种基于深度学习的高精度流线生成算法,将初始的低精度流线快速映射为稠密的高精度流线,可以在较短的时间内快速生成可靠的流线可视化结果,并在此基础上设计了交互式实时流场可视化系统,涵盖了流场的特征检测,属性关联分析,信息论分析等,帮助用户快速了解流场数据,找到自己感兴趣的区域进行后续进一步深度分析,避免了获取过多冗余数据,同时优化了分析工作的效率,满足用户对于流场结构,特征属性等多维度进行关联分析的需求.     

基于改进遗传算法的D2D资源分配策略

针对D2D（Device to device, D2D）通信技术在蜂窝系统中的资源分配与干扰问题,提出一种基于改进遗传算法的D2D资源分配策略。首先,确定保证蜂窝用户和D2D用户通信质量的功率范围,然后提出一种改进的遗传算法来确定D2D的最佳发射功率,最大化系统吞吐量。该算法在保证蜂窝系统服务质量（Quality-of-service, QoS）的同时,让交叉算子和变异算子随进化代数进行自适应变化,从而达到全局最优。仿真结果表明,本文所提算法可有效提升系统吞吐量并提高D2D用户的信道利用率。     

基于重用信息的非易失性缓存动态旁路策略

非易失性存储器具有能耗低、可扩展性强和存储密度大等优势,可替代传统静态随机存取存储器作为片上缓存,但其写操作的能耗及延迟较高,在大规模应用前需优化写性能。提出一种基于缓存块重用信息的动态旁路策略,用于优化非易失性存储器的缓存性能。分析测试程序访问最后一级缓存（LLC）时的重用特征,根据缓存块的重用信息动态预测相应的写操作是否绕过非易失性缓存,利用预测表进行旁路操作完成LLC缺失时的填充,同时采用动态路径选择进行上级缓存写回操作,通过监控模块为旁路的缓存块选择合适的上级缓存,并将重用计数较高的缓存块填充其中以减少LLC写操作次数。实验结果表明,与未采用旁路策略的缓存设计相比,该策略使4核处理器中所有SPLASH-2程序的运行时间平均减少6.6%,缓存能耗平均降低22.5%,有效提高了整体缓存性能。     

基于反演算法的严格反馈非线性系统固定时间跟踪控制

针对一类严格反馈非线性系统,研究固定时间跟踪控制问题.基于反演控制策略及Lyapunov稳定性理论,给出使系统全局固定时间稳定的充分条件和设计步骤.所提出的反演控制方案可以消除控制器存在的奇点问题,保证系统的跟踪误差在固定时间内收敛于原点的一个小邻域内,且收敛时间与系统的初始状态无关.最后,通过一个数值仿真示例验证了所提出设计方案的有效性.     

基于多特征融合与ResNet的海面溢油区识别研究

近年来,合成孔径雷达（SAR）在改善溢油检测方面得到了广泛应用。然而,由于其特殊的成像机理,乘性相干斑噪声和其他物理现象引起的暗斑一直影响着溢油检测的精度。单独使用一种特征很难对图像上的油膜和类油膜现象进行区分,针对这一问题提出了利用多特征融合结合深度残差网络（ResNet）的方式来区分全极化图像上的油膜和类油膜现象。实验中将C波段的三种极化特征：极化散射熵（Entropy）、平均散射角（Alpha）和单次散射特征值相对差异度（SERD）组合在一起,形成一个优化特征子集,在确定的三种极化特征对应的特征图上选取多个感兴趣区域作为ResNet网络的训练集和测试集。该实验所用训练集由3 600个原油样本、3 600个生物油样本和3 600个乳化油样本（共计10 800个）组合而成。测试集由600个原油样本、600个生物油样本和600个乳化油样本（共计1 800个）组合而成,最终得到97.56%的分类精度。用同样的实验数据采用同是深度学习的VGG和AlexNet分类算法进行油膜和类油膜的分类,并与ResNet算法分类结果进行对比分析。为了减弱过拟合现象以及获得更可靠的实验结果,分别进行了[K]-交叉验证和ROC曲线实验。结果表明所提出的算法是有效的。     

任务感知双原型网络的人物交互少样本识别

人物交互(HOI)识别是计算机视觉领域的重要研究热点.随着深度学习在图像分类任务中的巨大成功,人物交互识别任务也取得重大进展,但样本不平衡和组合爆炸问题仍是制约当前人物交互识别任务性能的关键挑战.由此,将人物交互识别任务与少样本学习相结合,将人物交互识别任务定义为一个少样本任务,并提出了任务感知双原型网络(TDP-Net)来解决少样本人物交互任务.具体地,首先使用图方法为每个任务生成语义感知的任务表示作为任务的先验信息,并使用语义图注意力模块(SGA-Module)生成注意力权重,对特征图中不同区域进行不同重要程度的关注,以适应不同任务条件下的映射关系,实现在新任务中自动推理.此外,还设计了一个双路原型模块(DP-Module)以分别产生交互类别的动作类原型和物体类原型,并分别对动词和名词进行分类.通过分别为动作和物体建立类原型,有效地分离了动作和物体间复杂的视觉关系.同时由于人物交互类别之间具有相似性,可通过重新组合动作和物体类别将知识迁移到新的交互类别中.实验结果表明,该模型在人物交互少样本任务上的平均准确率比基线方法在两个实验设置上分别提高了3.2个百分点和15.7个百分点,验证了TDP-Net在少样本人物交互任务中的有效性.     

浅埋地下结构抗震设计的反应位移法关键问题

为了解决采用反应位移法进行地下结构抗震设计时工程师所面临的不同计算公式和模型的选取及土体是否需要分层等问题,通过具体算例分析,探讨了影响反应位移法计算精度的几个主要因素,具体包括不同规范中推荐的土体相对位移及剪应力的计算公式、土弹簧刚度的确定方法、分层土体与等效单层土体的差异、荷载-结构模型的选择等。研究结果表明：不同方法确定的土体相对位移、剪应力及土弹簧刚度值相差很大,由此造成的结构内力和变形差异显著,推荐公式应谨慎采用;对存在中柱体系的地下结构,荷载-结构模型应优先采用等代框架模型;采用反应位移法计算时,应严格按照实际分层土体完成土层地震响应分析,避免进行等效均一化处理。     

基于LabVIEW的纤维投料机非线性偏差校正

针对纤维投料机在纤维称量过程中偏差过大的现象,在分析纤维投料机结构与工作原理的基础上,基于LabVIEW对纤维称量过程的数据采集,利用回归分析及最小二乘拟合原理,建立了纤维投料机质量称量过程非线性校正数学模型,并利用 LabVIEW 上位机系统将拟合系数实时反馈至可编程逻辑控制器( programmable logic controller,PLC)的质量称量控制模块,实现了对质量称量过程的实时自动校正.通过静态加载试验及沥青玛蹄脂碎石( stone mastic asphalt,SMA)混合料的路用性能试验对校正后的质量称量系统进行了验证.结果表明：采用该控制方式后,纤维质量称量偏差由校正前的7.3%下降至1.4%,达到了±2%的误差设计要求.校正后生产的SMA混合料空隙率降低了17%,车辙变形量减少,动稳定度提高了4.4%,抗弯拉强度与弯曲破坏劲度模量分别提高了7%和10%,且其他路用性能指标均比校正前有所提高,并与室内试验最佳纤维掺量下的性能相吻合,为避免纤维少投或多投现象的发生及提高SMA混合料的质量提供了一定的帮助.     

由光缆熔接课引发的思考与设计

企业培训的质量关系到企业的生存和发展,一个优秀的企业首先要做好培训管理工作。本文试图从企业培训的角度,对培训理念、企业培训的教学原则、课程设计、课程实施等改革实践方面的问题进行尝试性的探讨,强化特色培训,理念要先行的观念。以光缆熔接课程为例阐述企业培训要尊重成人教学规律、遵守企业培训发展规律、加强互动、尊重学员个性化、侧重现场、现实教学的教学原则。讨论如何优化培训设计、如何实施课程设计等提高企业培训质量的思路与观点。