业界

巨头布局二维码腾讯CEO马化腾在互联网大会上的演讲中说,移动互联网的地理位置信息,带来了一个崭新的机遇,这个机遇就是O2O(online to offline,线上到线下),二维码则是线上和线下的关键入口,将后端蕴藏的丰富资源带到前端。腾讯微信等服务将深度应用二维码和地理位置信息。同时,新浪微博也     

重新调整网络服务的优先顺序

在办公场所,笔记本电脑一般可以同时连接有线网络和无线网络,默认设置下当然是自动选择无线网络,如果需要使用有线网络,必须关闭无线网卡或者禁用无线连接,这样操作显然比较麻烦。其实,Windows 7系统已经提供了有线网络、无线网络优先顺序的调整功能。     

带平衡约束矩形布局优化问题的深度强化学习算法

带平衡约束的矩形布局问题源于卫星舱设备布局设计,属于组合优化问题。深度强化学习利用奖赏机制,通过数据训练实现高性能决策优化。针对布局优化问题,提出一种基于深度强化学习的新算法DAR及其扩展算法IDAR。DAR用指针网络输出定位顺序,再利用定位机制给出布局结果,算法的时间复杂度是O（n³）;IDAR算法在DAR的基础上引入迭代机制,算法时间复杂度是O（n⁴）,但能给出更好的结果。测试表明DAR算法具有较好的学习能力,用小型布局问题进行求解训练所获得的模型,能有效应用在大型问题上。在两个大规模典型算例的对照实验中,提出算法分别超出和接近目前最优解,具有时间和质量上的优势。     

基于横纵向联合控制的多目标优化车辆跟驰研究

为解决车辆在拥堵环境中因车速波动较大所带来的跟驰平稳性较差、跟踪无效或不安全等问题,提出了基于车辆模型和深度强化学习的多目标优化跟驰方案。首先基于车辆横纵向动力学建立车辆跟驰模型,然后根据车间距误差、速度误差、横向偏差及相对偏航角等,利用深度确定性策略梯度算法得到跟驰车的加速度和转向角,以更平稳安全地控制跟驰车辆。经NGSIM公开驾驶数据集进行测试与验证,该方案可有效地提升跟驰车辆的稳定、舒适与安全性,对保证交通安全和提升道路通行能力具有重要意义。     

基于深度神经网络的高位滑坡范围预测

以贵州尖山营滑坡为工程背景,通过对深度学习的总结与分析,建立多层感知器模型以对该滑坡危险区范围进行非线性预测研究。通过对深度神经网络算法的优化,构建64-128-32-1四层多层感知器模型,并以滑坡最大高差、滑坡体积、滑源区坡度、坡脚坡度、地层倾角作为输入量,以滑坡最大水平运动距离作为输出量对该模型进行训练,实现影响因素与运动距离的非线性映射。根据对贵州省尖山营滑坡调查和研究,尖山营滑坡区域面积约648 700 m2,体积约1 200万 m3,属于特大型滑坡。依据最优模型对该滑坡进行滑距预测,滑坡平面直线距离1 769 m区域内为危险区域。     

媒体声音

深度与高度——7000米深海科考侧记2012年6月30日,"蛟龙"号最终完成了7000米级的所有海试。本次海试共进行了6次下潜试验,有3次下潜深度超过了7000米,最大下潜深度达到7062米。海试团队对潜水器的各项功能逐一进行验证,并进行了一系列的深海调查作业,首次获取了这一海域7000米深度的动物影像和取样。与历次海试的曲折相比,这次的7000米级海试虽然是"蛟龙"号的最后阶段,却没有遭遇太大的困难和波折。     

深度转型，企业一改粗放发展的最后稻草

如今,为少数行业依赖的阶段性政策机会优势都在逐步丧失。     

深圳市某水质净化厂高有机质污泥处理工艺设计

采用"离心浓缩+板框压滤+低温除湿干化"集成工艺处理高有机质污泥,结合了板框压滤和低温除湿干化的优点,能将98%污泥含水率稳定降至40%以下,能达到减量化、稳定化和无害化的要求,且能与末端掺烧焚烧友好衔接。文中介绍了深圳某水质净化厂污泥处理工艺的选择和主体工艺段设计要点,为其他类似项目设计、改造提供参考。     

抽取式文本摘要新闻文本分类

采取TF-IDF、LDA、位置权重指派与MMR相结合的方式,对不同的句子分配不同的权重.结合Word Embedding模型,分析了在BERT、RoBERTa-wwm-ext等模型测试的分类效果.     

深度调峰下核电汽轮机的小容积流量工况浅析

在新的能源形势下,核电机组需要长期低负荷运行参与电网调峰,核电汽轮机的低压末几级可能落入小容积流量工况.阐述了级在小容积流量工况下的流动特性,分析了小容积流量工况可能导致级效率下降、叶片疲劳损坏、低压缸排汽温度偏高、末级动叶根部出口边遭受水蚀、叶片颤振损坏等,提出了推迟级内涡流发生以扩大其透平工况的流量范围、在低压缸设置喷水减温装置以降低其排汽温度,改进叶型设计以避免发生叶片颤振,采用整体阻尼围带和凸台拉筋的叶片结构以减小其振动应力等应对小容积流量工况的措施,确保核电汽轮机安全、经济地参与电网深度调峰.