预压缩单晶镍基合金的组织结构及在拉伸蠕变期间的粗化特征

对[001]取向单晶镍基合金进行压应力处理，获P-型筏状结构后，对其进行拉伸蠕变性能测试及SEM形貌观察，研究了P-型筏状结构的粗化特征及影响因素。结果表明：由于应力场的差别，样品不同位置筏状γ＇相粗化程度及特征不同，近断口处筏状γ＇相扭曲且粗化程度加剧，随离断口距离增加，γ＇相粗化程度减弱。有限元分析认为：外加载荷改变了水平和垂直γ基体通道中的错配应力分布，并使立方γ＇相不同界面晶格发生挤压或扩张应变，这可以促进元素的互扩散和γ＇相的定向生长，是形成P-型筏状组织的主要原因。在高温及拉应力作用下，P-型γ＇相端部沿垂直于应力轴方向优先生长和相互横向连接，并进一步形成折叠的层状组织。     

多源信息融合的测井曲线分层算法研究

测井数据解释中,针对单一测井曲线无法真实反映地层属性问题,提出以多条测井曲线的滤波因子为权值,融合出一条综合特征曲线,对该特征曲线相继采用层内差异法细分层与模糊聚类校正分层,实现特征曲线的合理分层。实验结果表明:该方法避免了海量数据处理过程,剔除了噪点数据的影响,提高了分层的速度与精度,能够为应用测井资料进行岩性识别、测井相分析、储层划分等研究提供有利的技术支撑。     

一种结合演示数据和演化优化的强化学习方法

强化学习研究智能体如何从与环境的交互中学习最优的策略,以最大化长期奖赏。由于环境反馈的滞后性,强化学习问题面临巨大的决策空间,进行有效的搜索是获得成功学习的关键。以往的研究从多个角度对策略的搜索进行了探索,在搜索算法方面,研究结果表明基于演化优化的直接策略搜索方法能够获得优于传统方法的性能;在引入外部信息方面,通过加入用户提供的演示,可以有效帮助强化学习提高性能。然而,这两种有效方法的结合却鲜有研究。对用户演示与演化优化的结合进行研究,提出iNEAT+Q算法,尝试将演示数据通过预训练神经网络和引导演化优化的适应值函数的方式与演化强化学习方法结合。初步实验表明,iNEAT+Q较不使用演示数据的演化强化学习方法NEAT+Q有明显的性能改善。     

数字喷泉码及网络喷泉码的最新进展

数字喷泉码和网络编码都是提高网络传输效率的有效技术方法,两者的有机结合形成的网络喷泉码具有重要的理论意义和应用价值。本文首先对数字喷泉码的最新研究进展进行了综述,分别介绍了几类常见的数字喷泉码的相关研究工作;其次对当前网络喷泉码的研究现状进行了系统的总结,重点介绍了同构网络喷泉码、异构网络喷泉码和无线网络喷泉码的相关理论及其最新研究成果,并分析了研究中存在的问题;最后对网络喷泉码的相关理论及其应用的发展趋势进行了分析和展望。     

终极对对碰 游戏性能大比拼

正不论微软和软件厂商如何"忽悠"我们,最终用户体验才是真正的关键。在时下使用Windows XP和Windows 7/8这几种不同的操作系统会有怎样的差异?对于重视家庭娱乐和打游戏的用户来讲,哪种系统能够提供更好的体验?游戏性能差异当年XP的继任者Vista之所以没能成为主流,很大一个原因就是游戏性能低下。评价一个操作系统是否适合家用,游戏性能如何是非常关键的一点。XP对决Windows 7和8,游戏性能有哪些差异?     

双屏合一 飞利浦19DP6QJNS

正如果你非常需要双屏显示器来提升工作效率,又没有足够的桌面空间来放置两个大屏幕显示器,那么请考虑飞利浦最新推出的19DP6QJNS双屏合一显示器。编辑评价飞利浦19DP6QJNS是一款独特的显示器,对于需要物理双屏的用户,19DP6QJNS这种双屏合一的产品不妨考虑购买。如果你非常需要双屏显示器来提升工作效率,又没有足够的桌面空间来放置两个大屏幕显示器,那么请考虑飞利浦最新推出的19DP6QJNS双屏合一显示器,它由两块     

基于差异路径权重的二部图网络推荐算法

针对二部图网络结构推荐算法中资源分配不合理的现象,同时为了丰富推荐结果多样性和促进冷门物品的推荐,提出了一种利用差异路径权重改变资源传递的二部图网络结构算法。利用用户相似性构造路径权重改变第一阶段资源传递规则,使资源较多地流向与目标用户相似的用户节点。通过物品属性相似的构造路径权重,使第二阶段资源更多地流向与目标用户已购物品具有相似属性的物品。实验结果表明,本算法相对于其他流行网络结构算法提高了推荐的综合性能,并且更好地解决推荐中的相关问题。     

有向动态网络中基于模体演化的链路预测方法

以往传统的链路预测方法大多数针对无向网络,而实际上大多数社交网络是有向的,并且没有考虑网络中同一节点对之间的重复边以及微观演化信息,因此不能较好地解决有向动态网络中的链路预测问题。针对有向网络,将节点对之间的重复边信息转换为该节点对之间连边的权值;接着采用了基于三元组模体的演化模型,对滑动窗口中相邻时间片的模体转换概率进行统计后,采用指数加权滑动平均法对其进行时序分析得到不同模体转换概率的预测矩阵,进而使用该矩阵对网络中的链边进行预测。这不仅充分利用了网络微观演化信息,而且解决了动态网络中重复边的问题。最后对实验结果进行分析发现,在高全局聚类系数高平均度的网络中AUC相比Triad Transition Matrix方法提高了近0.01,而相比Common Neighbor方法提高更多。因此,所提方法能够较好地应用网络微观演化信息进行链路预测。     

过度开采对地下水水化学特征的影响研究

为探究过度开采对地下水水化学特征的影响,通过对比分析研究区1997年和2010年的地下水水位与水质资料,研究了过度开采条件下地下水水位与水化学特征的动态规律及两者之间的联系。研究结果表明:1997年和2010年研究区地下水水位与水化学特征的空间变化规律具有很高的一致性,表现为地下水水位降幅较大的区域对应的镁离子、硫酸盐含量增幅也相对较大,地下水水化学特征受地下水水位变化的影响较大。空间叠加分析结果表明:镁离子、硫酸盐与地下水水位变化较大的区域空间重合率分别为72.2%,53.1%。过度开采通过改变地下水补径排条件及饱和带、非饱和带的水环境变化对地下水水化学特征产生影响,因此对于地下水不可盲目、过度开采。