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。     

看好定制安装服务的前景 OSD AUDIO全球销售总监Timothy J.Leahy先生专访

今次展会上我们带来了最新推出的Black系列,它的独特设计使得安装和调试使用都十分简单,完全不用担心空间便利与否。我们认为杜比全景声的迅速流行对于整个影音行业和OSD AUDIO来说都是一个机不可失的发展机遇,所以我们率先推出了杜比全景声音箱MK 690TT,其响应频率较同类产品更宽。而MK系列的产品则采用了Kevlar或者聚丙烯材质的振盆和合金球顶高音,通过橡胶圈环绕结构达到坚固耐用的目的,同时配备了高     

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。     

基于频率最大化目标的六杆四面体网壳截面尺寸优化研究

随着计算机技术的发展,基于有限元优化的拓扑优化算法在工程设计领域得到广泛应用,以提高结构性能和节约材料.在空间结构领域,目前还并未形成系统性的结构优化策略,主要还是依靠工程师的工作经验来进行优化设计.董石麟教授等提出的六杆四面体网壳是一种由相似的四面体模块组成的空间结构,具有重复性和装配性等特点.本文以六杆四面体网壳为分析对象,进行了结构频率最大化的优化设计.根据挑选出的质量参与系数总和超过90%的7阶模态,建立优化函数最大化这7阶模态的频率,以此提高整个结构的动力学性能.优化结果表明,在结构整体减重18.31%的前提下,各阶频率增加了20%到30%,起到了良好的效果.     

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。