结合结构学习的多头密集连接图池化模型

目的:利用图神经网络，构建带有结构学习的多头密集连接图池化模型并用于图分类任务。方法:首先，用图卷积神经网络提取节点的初始特征。其次，用多头密集连接网络学习节点重要性得分，并根据得分进行节点采样得到池化图。之后，对池化图中的节点进行结构学习，以保证图结构的完整性。最后，将学到的图表示放到分类器中，完成图分类任务。结果:与其他图分类模型在七个广泛使用的数据集上进行实验对比，我们构建的模型在五个数据集上的分类结果达到最优。结论:结合结构学习的多头密集连接图池化模型在图分类任务中具有先进性。     

纳秒脉冲激光加工高反射率铝膜

为了研究基于近红外纳秒脉冲激光的高反射率金属薄膜的加工可行性以及加工效果, 采用纳秒脉冲激光对高反射率铝膜进行激光加工, 分别测量了在不同激光光斑尺寸和不同激光能量的条件下, 铝膜表面所发生的烧蚀形态变化。结果表明, 即使铝膜表面反射率高达96%, 依然能对铝膜进行激光加工; 使用较高功率激光对铝膜表面进行离焦加工(能量密度约小于1000J/mm2)的烧蚀图样比使用较低功率激光对铝膜表面进行对焦加工(能量密度约大于2000J/mm2)的烧蚀图样更加规则。相关实验结果对激光加工高反射率材料时激光参量的选择可起到一定的指导作用。     

Diodes沟槽型超级势垒整流器提高下一代充电器效率

Diodes推出全新两款采用了旗下专利沟槽型超级势垒整流(Trench SBR)技术的器件SBRT15U50SP5及SBRT20U50SLP,能够实现下一代电池充电器对效率和温度的严格要求。两款全新沟槽型超级势垒整流器具有超低正向电压、低漏电流,并以较低的温度工作,有效满足充电器输出整流二极管的要求,从而易于处理36 k Hz断续模式充电器设计的较短电流脉冲。Diodes推出的两款器件包括适合10W智能手机充电器的15 A SBRT15U50SP5,以及为12.5 W平板电脑充电器而设的     

微型步进马达线架组自动卷线设备设计

微型步进马达线圈组卷线上下料基本靠手动作业,效率低下,同时因工人技术水平的不同造成产品品质不稳定的问题多发.为此专门设计了微型步进马达线圈组自动卷线及上下料设备.通过结合现阶段的先进工业技术,采用振动盘分离区分进料,多机构并联三菱PLC及威纶人机界面触摸屏研发了此微型步进马达线圈组自动上下料及卷线设备.通过该设备实现了微型步进马达因工人不足导致产能减少和品质多发问题,减少企业成本,提升产品品质.     

GOS+MU:一种查询对象选择新方法

在分析单一MU(Most Uncertainty)采样缺陷的基础上,提出一种"全局最优搜寻"方法 GOS(Global Optimal Search),并结合MU共同完成查询选择。GOS+MU方法中,GOS着眼全局寻找目标,在应用环境能提供的训练样本数量有限、分类器受训不充分时,该方法选择的对象学习价值高,能快速推进分类器学习进程;MU则能够在GOS采样失效情形下,利用分类器当前训练成果,选择查询不确定性最强的样本补充训练集。通过对网络商品的用户评论进行分类仿真,并比较其他采样学习方法的效果,证明了GOS+MU方法在压缩学习成本、提高训练效率方面的有效性。     

采用八叉树和OSG分页结点的海量点云三维可视化

针对现有海量点云可视化方法存在索引构建时间长、内存占用大等问题，研究一种八叉树索引结合OSG分页结点的快速可视化方法，可在占用较小内存的基础上快速建立点云索引并实时调度。采用八叉树索引结构对海量点云进行数据组织，建立各层级的八叉树结点并以文件映射的方式分块保存，对结点文件重组织转换为支持OSG渲染引擎的多分辨率点云数据。采用基于OSG分页结点的实时调度技术，对海量点云进行高质量可视化。与目前两款主流的点云数据处理商业软件进行实验对比分析，结果表明所提方法具有索引建立速度快、内存占用小等优点，同时可视化交互更加流畅，适用于各种配置计算机下海量点云数据的调度管理与实时可视化。     

仪器仪表产品脉冲耐压试验要求和保护器件的选择

仪器仪表产品的脉冲耐压试验是产品型式试验、例行试验中的基本内容。通过对GB4793.1标准的整理,归纳了仪器仪表产品的脉冲耐压试验要求。通过对试验方法和设备特性的梳理,总结了特性参数,并介绍了应对脉冲耐压试验可采取的保护器件的类别及选用方法。