基于鲁棒性的链路权重规划算法

在IP网络中,链路权重规划是流量工程中的重要问题。为了优化网络流量并实现负载均衡,针对业务量矩阵的不确定性,依据鲁棒性理论提出一个链路权重规划的MIP模型。该模型使用Γ模型描述业务量矩阵的不确定集,通过表示扰动程度的参数Γ实现了对鲁棒性的调节,在此基础上求得不确定集中最差情况下的最优解。实验结果表明,与传统的链路权重规划方法以及新出现的MRC规划模型相比较,该算法可降低最大链路利用率,分别达到了40%和20%。     

基于属性约简的MPI运行时参数优化

目前MPI实现提供上百种可供调整的运行时参数,但默认的运行时参数不能发挥程序应有的性能。为了给应用程序提供接近最优的运行时参数,本文提出基于粗糙集理论中的属性约简建立优化模型。首先通过属性约简方法为不同基准程序产生参数组合值,再根据未知应用程序的程序特征通过所建立的优化模型为其预测参数值。实验表明,该方法可以有效地为未知应用程序预测参数值,并且比使用默认参数程序性能提升约20%。     

基于WPF MVVM的甘蔗种植管理系统

针对甘蔗种植信息化管理的需求,在模型．视图-视图模型（MVVM）设计模式下,运用Windows Presentation Founda-tion（WPF）技术开发基于农业物联网的甘蔗种植管理系统的后台管理软件,拟实现甘蔗种植地图管理、采集数据查询、田地信息管理和种植户管理等功能。重点描述后台管理系统的设计架构和MVVM框架在系统搭建时的运用,并对实现过程中的MVVMLight运用,NHibernate实现对象与数据库映射等关键技术进行解析。系统能正常稳定运行,有较好的稳定性和适用性,可为种植甘蔗提供科学依据。     

酯化反应偶联渗透汽化膜过程模型(Ⅰ)催化剂的影响

1 INTRODUCTION In former report, the kinetic model for anesterification process coupled by pervaporation wasestablished and the modeling result agreed well withthe experimental result[1].     

弓形降液管两相流动的CFD模拟

采用欧拉两相流模型,模拟了弓形降液管内的空气一水两相流动,得到了与弓形降液管堰长垂直截面上的气含率分布与两相的速度分布.结果表明,降液管底部气含率低,中部的气含率增加显著,上部的气含率较高.液相对气相有很强的夹带作用,同时气相的浮力对于液相流动也有一定的阻碍作用.将模拟结果与文献进行对照,两者吻合较好,说明提出的模型对于降液管内流体流动状况的模拟是合适的.     

喷动床反应模型的研究进展

喷动床是一种可实现热量重复循环的高效反应器 .介绍了目前喷动床研究中出现的各种反应模型 ,从等温和非等温两个方面讨论了一维轴向、流管、半分割和流动反应耦合等各类模型的基本思想和理论及各自的特点 ,并提出了进一步发展的方向 .     

石蜡沉积对储层渗透率的影响研究

油气开采过程中的蜡质、沥青质等有机固相沉积。严重影响着油田的正常生产。固相沉积物不仅堵塞油井、输油管线,而且也给油藏多孔介质造成一系列的伤害。如堵塞油藏孔隙、降低孔隙度和渗透率,改变油藏岩石的润湿性,从而影响原油采收率的提高。本文采用热力学理论建立了液固两相相平衡方程,模拟计算石蜡沉积量对储层孔隙度和渗透率影响,进而求出对油井产能的影响。     

视觉特征对比解耦的广义零样本学习

广义零样本学习通常利用在ImageNet上预训练的深度模型来提取相应的视觉特征,然而预训练模型提取到的视觉特征不可避免地包含和语义无关的信息,这将导致语义—视觉对齐的偏差以及对不可见类的负迁移,从而影响分类结果。为解决上述问题,提出了视觉特征对比解耦的广义零样本学习模型(visual feature contrast decoupling for generalized zero-shot learning, VFCD-GZSL),通过解耦出视觉特征中的语义相关表示来降低冗余信息对分类结果的影响。具体来说,首先用条件变分自编码器生成不可见类的视觉特征。然后通过解耦模块将视觉特征解耦语义相关和语义无关的潜层表示,同时添加总相关惩罚和对比损失来鼓励两者间的相互独立,并用语义关系匹配模型衡量其语义一致性,从而指导模型学习语义相关表示。最后使用特征细化模块细化后的特征和语义相关表示联合学习一个广义零样本学习分类器。在四个数据集上的实验均取得较优的结果,证实了所提方法的有效性。     

图表示学习方法研究综述

针对图表示方法的相关解析任务进行了研究,从形式化定义出发,首先以不同核心技术作为分类标准将图表示学习方法划分为五大类,其包括基于降维解析、矩阵分解、随机游走、深度学习和其他表示学习方法。其次通过归纳与对比分析梳理各类技术发展脉络,进而深层次展现各类图表示方法的优劣。随后结合图表示学习的常用数据集、评估方法和应用领域的归纳分析,展开动态性、可扩展性、可解释性和可解析性的四维剖析。最后总结并展望了图表示学习的未来研究趋势与发展方向。     

硬约束限制的情感文本生成方法研究

预训练语言模型在情感文本的生成任务中取得了良好效果,但现有情感文本生成方法多使用软约束的方式控制文本整体的情感属性,缺乏单词和短语级别的硬性控制。为解决以上问题,提出硬约束限制下的情感文本生成方法。首先使用方面情感分析技术提取句子的方面词、情感词并判断情感极性;之后,选择目标情感的方面词和情感词作为预训练语言模型的硬约束输入来重建完整句子,其中,设计了一种新的单词权重计算方法,旨在使模型优先生成重要单词。实验结果表明,该方法生成的句子不仅具有方面级情感,在文本质量和多样性的评价指标上也有显著提高。