小样本关系下的时序知识图谱推理

在各大知识推理应用场景下,知识图谱中时序的缺失、知识图谱构建时实体关系的不完善,已然成为研究者们亟需解决的问题。为此,构造了一种融合时序信息与小样本关系的知识图谱推理模型,该模型将知识图谱的三元组表示扩展到含有时序信息的四元组表示,并通过时序信息来提高推理路径的准确性。此外,通过元学习从高频关系中学习元参数,并使用元参数适配小样本关系任务,提高模型在小样本关系中的泛化能力。实验表明,所提出的方法在Hits@1、Hits@3、Hits@10和MRR上均高于对比方法,并且均提高5%以上,表明所提出的方法可以完成知识图谱的推理,并且在小样本关系下具有较好的效果。     

一种结合贪心选择和特征加权的高维数据聚类算法

为解决传统聚类算法无法对高维数据聚类的问题,文中提出了一种结合贪心选择和特征加权的TC-Mean shift高维数据聚类算法。通过对一维数据进行聚类,获得一维数据的聚类结果,再通过加权添加维度聚类,最终获得所有维度数据的聚类,实现对高维数据的聚类。测试结果表明,该算法能够准确地对稀疏的高维数据样本进行聚类,能够处理各种维度的数据,具有良好的实际应用价值。     

基于反扩散火焰的低NOx旋流燃烧器数值模拟

采用非预混稳态小火焰模型（Steady Flamelet Model,SFM）耦合110步甲烷燃烧简化机理和Realizable k-ε模型对反扩散-旋流低氮燃烧器进行模拟,对比分析了不同旋流角度（30°,45°和60°）及过量空气系数（1.05,110,115和1.20）下燃烧时燃烧室内各截面轴向速度分布、中心截面温度及NOx质量浓度分布。详细研究了燃烧室内天然气与空气的燃烧特性及NOx的排放规律。模拟结果表明：随着旋流叶片角度逐渐增大,燃烧室内回流作用逐渐增强,导致火焰长度变短、燃烧室内最高温度及出口NO质量浓度逐渐降低;在旋流叶片角度为60°时,出口NO质量浓度仅为114 mg/m3;随着过量空气系数逐渐增大,火焰末端温度逐渐提高,导致燃烧室出口NO排放量逐渐增大;在过量空气系数为1.2时,出口NO质量浓度达到294 mg/m3,相比于过量空气系数为1.05时,其NO排放量增加153%。     

多功能儿童纸质家具的制作

近年来以纸板为原料的家具悄然兴起,儿童家具作为一种独特的类型对纸板材料具有更好的兼容性。本文从儿童的生理和心理特点出发,对纸板结构特点以及儿童家具特征综合分析,进行儿童纸板家具的设计和制作,以提高儿童家具的质量并增加其益智性。并且对设计制作过程中的问题进行分析,最后对儿童纸板家具的发展趋势做出了预测。     

基于DRGEPSA方法的甲烷燃烧简化机理的构建及验证

采用耦合误差传播和敏感性分析的直接关系图(DRGEPSA)法,对甲烷燃烧详细反应机理(Gri-Mech 3.0机理)进行了简化,构建出了一套含有23种组分和110步基元反应的简化机理。为验证该简化机理的合理性和可靠性,采用充分搅拌反应器模型和一维层流预混反应器模型分别对甲烷燃烧反应过程进行模拟,并对温度和组分摩尔分数分布进行了对比分析。结果显示:利用简化机理分析得到的预测数据与详细机理吻合良好。结合该简化机理,建立了二维数值模型对带伴流的甲烷/空气Flame D进行数值模拟仿真研究,流场的温度和组分分布均与实验值吻合度较好,进一步表明所提甲烷燃烧简化机理具有较高的模拟精度。     

面向云计算数据中心的弹性资源分配算法

巨大规模的数据资源与实时多变的应用请求,增加了云计算数据中心的资源分配难度,为此提出一种弹性资源分配算法。通过分析云计算数据中心下弹性资源分配问题,利用带宽资源与中间变量,将分配问题转换为整数线性规划问题,在各链路上逐级划分数据中心后得到不同分区,并按照从下到上的顺序逐层展开运算,完成动态规划阶段,基于树状数据中心的遍历过程,根据极大允许负载占比,明确可行的分配策略,依据带宽需求按序分配,实现云计算数据中心弹性最大化与资源最佳分配。选取不同的基准测试作业作为检测数据,经过对比分析实验数据,验证所提算法在弹性方面具有显著的优越性,有效降低应用请求响应时长,执行效果较为理想。     

落叶松木材力学性质及应用研究进展

阐述了近年来落叶松力学性能研究的进展;对落叶松力学性能在制浆造纸和木结构用材上的应用进行详尽描述;提出了落叶松木材力学性能的研究方向,为落叶松木材资源高值化利用提供借鉴。     

日本落叶松不同无性系单根纤维拉伸性能研究

研究了日本落叶松不同无性系不同年轮的单根纤维力学性能。结果表明,不同无性系幼龄材间单根纤维力学性能差异不显著,同株落叶松单根纤维抗拉强度随着年轮的增加而增大,单根纤维弹性模量与断裂伸长率之间存在一定相关性。     

木材形状记忆效应与机理的研究进展

形状记忆聚合物(SMPs)是一种改变初始形状并固定后,通过外部刺激又恢复到原始形状的高分子材料.水是容易获得、环境友好的刺激物,水/水热响应的形状记忆材料成为近年来研究的焦点.木材是具有形状记忆效应的聚合物基天然高分子智能材料,可以通过压缩或弯曲等方法固定成临时形状,然后在水热作用下恢复到其永久形状.然而,与具有简单结构的SMPs相比,天然木材的微观构造由不同的组织结构、细胞形态和孔隙结构组成,化学结构由纤维素、半纤维素、木质素以氢键、共价键和物理结合相互嵌入渗透组成.木材复杂的微观构造和化学结构增加了表征形状记忆特性、构建架构模型、揭示记忆机理的难度.近年来,研究人员在干燥木材的过程中发现木材形状记忆效应基于准残余冻结应变的可逆应变,木材湿-热-力模型表征形变回弹率的Rr和形变固定率的Rf是冻结应变的函数.木材形状记忆编程过程有弯曲形状记忆、拉伸形状记忆、压缩形状记忆,定量表征SMPs的方法可应用于木材.聚合物形状记忆模型有交联网络模型、超分子网络模型、渗流网络模型、综合架构模型,其中综合架构模型由开关单元(Switch)和网络节点(Net points)组成,可用来全面解释SMPs的结构.在特定温度-湿度-机械力作用下,木材中的半纤维素最先降解,纤维素结晶度增加,木质素产生交联,可用细胞壁微形态变形理论、纤维素应力松弛理论和疏水化理论在分子水平上揭示消除形状记忆的机理.鉴于以上内容,本文以冻结应变为研究木材形状记忆效应的基础,结合形状记忆编程中定量评价的方法,分析形状记忆材料的架构模型以及木质材料的空间结构,并阐述了在特定温度-湿度-机械力耦合作用下消除木质材料形状记忆效应的机理.