基于ARED的主动队列管理改进算法

随机早期检测（Random Early Detection,RED）是IETF推荐部署的主动队列管理（Active Queue Management,AQM）算法。 RED存在参数难以配置、无法适应动态网络环境的缺点。 ARED（ Adaptive RED）是RED的自适应版本,通过平均队列长度来动态调整最大丢弃概率,从而达到稳定平均队列长度的目的,但是存在瞬时队列长度振荡的问题。文中研究了拥塞控制中的主动队列管理,对ARED算法进行了改进,优化丢弃概率计算函数,提出TTS-ARED算法,实现在动态网络环境下队列长度的稳定以及丢包率降低。 NS2的仿真结果表明,TTS-ARED算法显著地降低了丢包率,队列长度稳定性比ARED算法更优越。     

基于最优控制的重型车主动侧倾控制研究

针对重型半挂车的侧倾稳定性问题,建立了重型半挂车的动力学模型,并提出了一种基于回路传输恢复技术的LQG主动侧倾控制算法。设计各个车速下LQG控制器,并进行了阶跃转向工况下车辆的仿真。仿真结果表明:LQG主动侧倾控制算法有效提高了重型半挂车的侧倾稳定性。     

小净距深埋平行隧道全断面开挖相互影响数值分析

随着地下空间资源的减少,小净距隧道施工成为了城市地铁建设的必然选择。为研究砂岩地层深埋平行近接隧道全断面施工过程中新建隧道与既有隧道之间的相互影响规律,依托重庆富华路站－歇台子站双线平行隧道工程,采用ＦＬＡＣ3Ｄ分析了4种小净距工况下新建隧道和既有隧道的轮廓变形特征、围岩4个特殊部位的纵向位移及某一监测断面径向位移与开挖步的关系。研究表明:随着净距增大,新建隧道非对称“哑铃”状轮廓线逐渐对称化,新建隧道拱底、右侧拱腰纵向位移减小,左侧拱腰纵向位移先增后减,拱顶基本无变化;既有隧道“黄豆”状轮廓线整体向左偏移减小,既有隧道各部位纵向位移均减小。随着新建隧道的开挖,既有隧道与新建隧道监测断面产生径向位移的开挖步范围不同。4种净距工况该工程支护方案均满足洞周的变形要求。     

美国大学"编程基础"课程教学方法研究

文章介绍了美国德州山姆.休斯敦州立大学计算机系"编程基础"课程中采用的教学方法和课程考核方式.介绍了教学中采用的混合式教学环境BlackBoard网络平台、协作式学习法、主动学习法和过程性考核标准.通过这些方法和手段,可以让教师更适应生活在当今这一数字时代的学生的学习习惯,改善和提高课堂教学质量.     

车辆底盘主动悬架实验台开发与阻尼特性仿真

为满足悬架控制系统结构简单,重量轻,能够缓解冲击的设计要求,提高车辆操控稳定性与安全性,对车辆底盘主动悬架实验台开发与阻尼特性仿真展开深入研究.根据车辆底盘主动悬架结构,建立运动微分方程,构建减振器阻尼特性模型;将永磁无刷直流电机作为发电机,设计理想状态下电路,计算电磁执行器的电磁转矩、阻尼与惯性力;分别设计实验台路面激振模块、数据采集与控制模块,完成实验台开发.仿真结果表明,活塞杆直径增大,压缩阻力增大,拉伸阻力减小;阻尼伐孔径越小,阻尼力越大;证明了所提方法设计的实验台性能稳定,可以较好地测试车辆控制性能,对控制器参数整定与优化起到辅助作用.     

工业机器人主动安全控制技术研究现状与展望

在目前工业生产中,机器人越来越多地取代了人工作业,伴随生产效率提高而带来的是频繁发生的操作员安全事故.为解决此类问题,企业往往采用被动安全方式来保障操作人员的安全,但该类方式欠缺灵活性和安全实时性.因此,机器人主动安全问题的研究对提升操作人员安全性、从而促进制造业的发展具有重要的现实意义.本论文对工业机器人主动安全控制技术进行介绍,从工业机器人交互感知、柔顺控制及轨迹规划三方面对机器人主动安全控制技术研究现状进行综述,并对工业机器人主动安全的研究进行展望.     

基于主动学习的命名实体识别算法

命名实体识别的目的是识别文本中的实体指称的边界和类别。在进行命名实体识别模型训练的过程中,通常需要大量的标注样本。本文通过实现有效的选择算法,从大量样本中选择适合模型更新的样本,减少对样本的标注工作。通过5组对比实验,验证使用有效的选择算法能够获得更好的样本集,实现具有针对性的标注样本。通过设计在微博网络数据集上的实验,验证本文提出的基于流的主动学习算法可以针对大量互联网文本数据选择出更合适的样本集,能够有效减少人工标注的成本。本文通过2个模型分别实现实体的边界提取和类别区分。序列标注模型提取出实体在序列中的位置,实体分类模型实现对标注结果的分类,并利用主动学习的方法实现在无标注数据集上的训练。使用本文的训练方法在2个数据集上进行实验。在Weibo数据集上的实验展示算法能从无标签数据集中学习到文本特征。在MSRA数据集上的实验结果显示,在预训练数据集的比例达到40%以上时,模型在测试数据集上的F1值稳定在90%左右,与使用全部数据集的结果接近,说明模型在无标签数据集上具有一定的特征提取能力。     

基于门控图卷积神经网络的有机化学反应预测

随着现代医药技术和计算机技术的发展,采用人工智能技术来加速药物的研发进度成为了研究热点,而对有机化学反应产物的高效预测是药物逆合成路线设计中的关键问题。针对样本数据集中化学反应类型分布不均匀的问题,提出了一种主动采样训练下的门控图卷积神经网络（ASGGCN）模型。首先,输入化学反应物的简化分子线性输入规范（SMILES）编码,通过门控图卷积神经网络（GGCN）以及注意力机制预测反应中心所在位置;然后,根据化学约束条件和候选反应中心枚举出可能的化学键组合来生成候选产物,再通过门控图卷积差分网络对候选产物进行筛选;最终,得到反应产物。门控图卷积神经网络拥有三个权重参数矩阵并通过门控对信息加以融合,与传统的图卷积神经网络相比,它能获取更加丰富的原子隐藏特征信息。通过主动采样的方式进行训练,使得该模型能够兼顾较差样本和普通样本的分析能力。实验结果表明,所提模型对化学反应产物的Top-1预测准确率可达87.2%,对比Weisfeiler-Lehman差分网络（WLDN）模型提高了1.6个百分点,可见模型能够更准确地预测有机化学反应产物。     

Java程序设计课程混合式教学研究

Java程序设计是一门技术性和实践性都很强的专业必修课程。本文首先分析传统Java程序设计课程教学中出现的问题,接着描述了开展任务驱动和翻转课堂的意义,最后阐述广东理工学院开展任务驱动和翻转课堂具体措施,主要包括塑造自主学习文化、加强课前学习引导、综合使用教学手段、总结评价与拓展学习空间等。这些措施在较大程度上激发了学生的学习热情,提升了学习主动性,促进了学生个性化发展,增强了课程学习吸引力。课程取得良好的教学效果,为后续学生实习、就业过程与生产企业的无缝对接奠定基础。     

基于双层粒子群算法的主动配电网分布式电源规划

随着电力市场化程度的提高,主动配电网中需求侧资源与分布式电源的协调综合优化利用能减缓高峰时段电网阻塞,提高电力资产利用率.分布式电源规划与科学合理的接入对主动配电网中需求侧资源的优化利用至关重要.论文选取风力发电机、光伏发电机和微型燃气轮机为待规划分布式电源,以年综合费用最小为目标函数,以分布式电源渗透率、年最大负荷中断量、待规划节点处分布式电源装机容量等多种电气量为约束条件,建立考虑需求侧响应的分布式电源规划模型.基于分解协调思想,将模型分解为规划层和运行层,并采用双层粒子群算法求解.以IEEE33节点配电系统为算例,验证了规划方法的有效性.