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。     

FANUC0iD系统βi系列伺服上电过程分析及故障排除

研究了FANUCβi系列伺服驱动器硬件连接方法,重点分析了伺服驱动器上电的过程。依据伺服上电过程,介绍了伺服驱动器上电常见故障,并制定了故障排除的流程。最后,列举了FANUCβi系列伺服驱动器常见故障报警及排除方法。     

河北上苏庄建筑遗产分析和保护研究

从河北蔚县上苏庄形态空间布局入手,通过分别分析上苏庄建筑遗产分布,以及建筑风貌分类、重要空间节点分析、民居类型分析等进行村落整体真实性保护规划,从而在历史村落保护与更新过程中,在保留传统历史风貌与文化氛围的基础上,创造更加舒适的村落公共空间,构建融合村落历史和现代元素的活动与体验空间,让人和历史村落建立更多互动关系,从历史、当下和未来的时间序列中感受到人文与自然的螺旋式发展轨迹,保护村落的真实性,从而传递出场所特有的精神内涵而获得归属感以及认同感。     

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NoC的容错路由算法

各种各样的软件和硬件上的错误都会破坏网络的数据传输,因此研究No C网络的容错算法是非常必要的。在基于XY路由算法的基础上提出了改进的容错路由算法,当链路或者传输节点之间发生错误时,可通过重新设置路由规则来获取一条有效的路由路径。在FPGA上进行路由容错算法的仿真,并和目前常用的几种路由算法在所适用拓扑、是否防止死锁等方面进行对比。仿真结果显示改进的路由容错算法性能优越,是可行的。     

气管上段腺样囊性癌的临床病理

目的　探讨气管上段腺样囊性癌的临床病理特征及诊断和鉴别诊断要点。方法　收集2000年1月至2014年2月在北京协和医院确诊的4例气管上段腺样囊性癌病例，通过光镜、免疫组织化学及组织化学染色分析其临床病理特征、免疫组织化学特点、诊断及鉴别诊断要点。结果　4例气管上段腺样囊性癌患者中，男1例，女3例，平均年龄47岁(38~57岁）；既往均无腺样囊性癌病史，1例患者既往有结节性甲状腺肿手术史。镜下检查4例均为筛状/管状型腺样囊性癌，3例累及甲状腺组织，3例累及神经组织，未见淋巴结受累。免疫组织化学染色示4例P16、CD117、BCL2、P63、SMA均阳性，Ki67指数平均8%，TTF1和P53均阴性；4例中基底膜样物胶原Ⅳ阳性；组织化学染色示AB/PAS阳性。术后均接受总剂量为48~56 Gy的放疗，随访6~120个月，平均72.5个月，1例术后96个月复发，3例随访期间无复发及转移。结论　气管上段腺样囊性癌是罕见的原发于气管的低度恶性肿瘤，肿瘤生长缓慢，就诊时多数已侵及甲状腺组织，需要与原发于甲状腺的恶性肿瘤相鉴别，特别是在甲状腺穿刺及术中冰冻检查时。结合电子喉气管镜下表现、典型的形态学及免疫组织化学和组织化学染色有助于准确诊断。手术难以切除干净，术后放疗对延缓疾病复发有一定帮助。     

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。     

土木工程施工课程线上平台教学实践

土木工程施工课程作为土木工程及工程管理专业的学科基础课和核心专业课程,在疫情防控期间"停课不停教""停课不停学"的要求下,通过线上平台进行授课。由于土木工程施工课程内容庞杂、综合性强、实践性强,且章节之间关联性较弱,探究既能使学生快速适应,又能保证教学质量的在线教学方法至关重要。以华南某高校土木工程施工课程为例,基于中国大学MOOC、建筑云课、腾讯课堂、QQ群等线上平台讲授教学内容,并运用问卷调查对课程线上教学效果进行评价。结果表明,线上教学为学生提供了丰富灵活的学习方式,显著提高了学生的自主学习能力,扩大了学生的知识面,达到了较好的学习效果。