研究生学位论文阶段检查的作用

学位论文是研究生在攻读硕士或博士学位阶段学习情况和科研工作的总结,是展示研究生具有创造性研究成果或新见解及表明学术水平的的高低,是衡量研究生培养质量高低的重要标志之一。为了保证研究生学位论文的质量,培养面向21世纪的创新型高级人才,我校一直重视研究生学位论文的全过程管理,制定了论文三阶段(论文开题报告、论文阶段检查、论文答辩)管理的制度。     

一种鲁棒的半监督联邦学习系统

联邦学习允许边缘设备或客户端将数据存储在本地来合作训练共享的全局模型。主流联邦学习系统通常基于客户端本地数据有标签这一假设,然而客户端数据一般没有真实标签,且数据可用性和数据异构性是联邦学习系统面临的主要挑战。针对客户端本地数据无标签的场景,设计一种鲁棒的半监督联邦学习系统。利用FedMix方法分析全局模型迭代之间的隐式关系,将在标签数据和无标签数据上学习到的监督模型和无监督模型进行分离学习。采用FedLoss聚合方法缓解客户端之间数据的非独立同分布（non-IID）对全局模型收敛速度和稳定性的影响,根据客户端模型损失函数值动态调整局部模型在全局模型中所占的权重。在CIFAR-10数据集上的实验结果表明,该系统的分类准确率相比于主流联邦学习系统约提升了3个百分点,并且对不同non-IID水平的客户端数据更具鲁棒性。     

9Cr18和GCr15钢离子注氮的研究

GCr15和9Cr18是目前被选用的两种航天用轴承钢。GCr15是普通轴承钢,具有较高的硬度和耐磨性,但耐蚀性较差。9Cr18是不锈轴承钢,具有很好的耐蚀性,但硬度和耐磨性不如GCr15,加工性能也较差,且价格较高。因此,采取适当的表面强化处理,以进一步提高9Cr18钢的耐磨性及改善GCr15的耐蚀性在实用上是很有意义的。     

广义区间系统非结构化参数不确定性的鲁棒滤波算法

本文针对广义区间系统的参数不确定性,将参数不确定性确定为随机非结构化参数形式,提出一种卡尔曼形式的递推鲁棒滤波算法.研究表明,滤波过程中的随机非结构化参数不确定性可以表示为一系列依赖系统真实状态的不确定性集合,数值仿真结果表明,当广义区间系统参数存在随机非结构化不确定性时,该算法能够实现递推状态估计,从而验证了该算法的有效性.     

广义区间系统的鲁棒滤波算法

本文针对广义区间系统的参数不确定性,将参数不确定性确定为加性结构形式,提出一种卡尔曼形式的递推鲁棒滤波算法。研究表明,滤波过程中的线性加性不确定性可以表示为一系列依赖系统真实状态的加性不确定性的集合,数值仿真结果表明,当广义区间系统参数存在加性不确定性时,该算法能够实现递推状态估计,验证了该算法的有效性。     

北方地区建筑外窗节能技术

本文结合我国现行标准对建筑外窗的节能要求,通过分析比较各种窗户型材、节能玻璃的性能特点．提出了在北方地区宜优先采用的窗户类型,并强调应着重提高外窗的密封性。