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。     

1,4-丁二醇精制过程中延长高压加氢催化剂使用周期的研究

在1,4-丁二醇精制过程中使用的高压加氢催化剂,其设计使用周期为1年左右.在使用过程中,随着使用时间的增长会出现催化剂床层压差增大、反应活性下降、反应品质变差、色度增高等现象,影响产品质量及产量,需要及时更换新催化剂.分析了影响催化剂性能的因素,并提出了解决措施,应用后取得较好效果.     

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。     

[信息通信]·杂志 征稿启事

<正>《信息通信》杂志是经国家新闻出版总署批准,面向全国公开出版发行的科技类学术期刊,拥有国际国内统一刊号(ISSN 1673-1131,CN 42-1739/TN)。本刊创刊于1987年,大16开本,月刊,为全国创办较早的专业期刊,曾多次获得国家科技期刊各类奖项。本刊严格遵循"科学、创新、唯实"的方针,力求体现"专业性、交叉性、开放性"三大特色,是中国期刊网(中国知网)、中国数字化期刊群(万方数据)、中文科技期刊数据库、中国学术期刊(光盘版)全文收录期刊,中国学术期刊综合评价数据库来源期刊。本刊致力于刊载信息和通信领域的科研探索、技术创新、运     

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。     

基于物联网的建设工程监管模式研究

分析当前将物联网应用于建设工程监管方面存在体系不完整、使用成本较高、专业人员不足、全寿命周期意识淡薄等问题,建立基于物联网的建设工程全寿命周期监管层次和架构,提出相关有力措施以助于此监管新模式的推广,如:建立健全法律法规体系、建立统一监管新模式、加快技术创新和物联网人才培养、强化全寿命周期监管理念、降低成本等。