高性能计算资源管理平台设计

地震资料处理是典型的高性能计算,随着采集数据量越来越大,对计算机资源的快速调度和配置提出了要求。为达到高效管理的目的,需要从技术选择、生产实际情况、业务特点等方面综合考虑,建立智能化的资源管理调度平台,使资源的提供与回收等管理具备云计算特征。     

基于数字单元法的三维正交织物微观几何结构建模

为了反映织物内部纱线的空间构型和微观几何结构,针对在织物建模过程中,因忽略纤维间的相互作用而引起的纱线截面形状变化的问题,基于数字单元法理论,提出了一种计算纤维间摩擦力的方法。通过纱线纤维化离散,用数值模拟和仿真方法模拟三维正交织物成型过程,建立了5种精度递进的微观几何结构数值模型。5种模型中的每根纱线分别由4、7、12、19和37根数字纤维表征。研究结果表明:随着纱线纤维化离散程度的提高,仿真时间延长,织物厚度减小,纤维体积分数增大,节点平均作用力下降速度变缓,势能变小;当每根纱线由19根数字纤维组成时,所建织物的微观几何结构数值模型与真实织物样本在显微镜下的内部切片图像较为吻合。     

无氟防水整理在化纤高密织物上的应用

采用无氟防水剂ECO ADV对化纤高密织物进行防水整理,优化的整理工艺为:无氟防水剂ECO ADV 50 g/L、防水增效剂XCR 10 g/L、三防整理渗透剂FN 5 g/L、焙烘温度170℃、车速40 m/min。化纤高密织物经无氟防水剂ECO ADV整理后再进行后整理加工(如涂层、贴合、复合等),色变小,防水性能稳定,且贴条强力较强,手感好,手抓白痕少。     

新型双环状主动脉瓣支架研制及实验研究

陈翔  王飞宇  谭洪文  白元  朱玉峰  张志钢  张本  赵仙先  秦永文  葛均波 《工业加热》2014,(7):615-618

基于可解释性分析的深度神经网络优化方法

近年来,深度神经网络（deep neural network,DNN）在众多领域取得了广泛应用,甚至在安全关键系统中已经可以代替人类作出决策,如自动驾驶和智慧医疗等,这对DNN的可靠性提出了更高的要求.由于DNN具有复杂的多层非线性网络结构,难以理解其内部预测机制,也很难对其进行调试.现有的DNN调试工作主要通过修改DNN的参数和扩增数据集提升DNN性能,以达到优化的目的.然而直接调整参数难以控制修改的幅度,甚至使模型失去对训练数据的拟合能力;而无指导地扩增训练数据则会大幅增加训练成本.针对此问题,提出了一种基于可解释性分析的DNN优化方法（optimizing DNN based on interpretability analysis,OptDIA）.对DNN的训练过程及决策行为进行解释分析,根据解释分析结果,将原始数据中对DNN决策行为产生不同程度影响的部分以不同概率进行数据变换以生成新训练数据,并重训练DNN,以提升模型性能达到优化DNN的目的.在使用3个数据集训练的9个DNN模型上的实验结果表明,OptDIA可以将DNN的准确率提升0.39～2.15个百分点,F1-score...     

基于复杂度特征的数字调制模式识别

为了提高数字信号调制模式识别在低信噪比下的正确率,在对复杂度理论加以分析的基础上,提出了一种新的特征提取方法。该方法首先引入希尔伯特-黄变换求得样本的边际谱,然后利用分形和Lempel-Ziv复杂度的方法提取用于调制识别的特征参数,最后利用RBF神经网络分类器进行数字信号调制模式的分类识别。仿真结果表明该算法具有较好性能。     

三维微弹簧型MEMS探卡的设计和制备

随着IC器件上的I/O尺寸减小和密度增加,与之通过接触来进行电性能测试的探卡密度也要相应增加,传统手工制作的环氧树脂针形探卡难以满足使用要求,使用MEMS技术制作探卡成为发展的趋势,但是当前MEMS探卡的主要问题是不能承受和产生破坏焊垫表面氧化层和污染层所需的应力.本文提出了一种简支梁结构、通过多次电镀工艺制作的三维弹性MEMS探卡,这种探卡可以承受更大应力,并且具有较小的自身电阻.针对间距为250 μm阵列排布的器件I/O,使用ANSYS有限元方法对弹簧型探卡进行了结构分析和设计,采用UV-LIGA工艺制备探卡,最后对探卡的力学性能进行了测试.