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。     

带换热预转化的高效轻烃蒸汽转化制氢工艺

介绍了一种高效的轻烃蒸汽转化制氢工艺——带换热预转化的轻烃蒸汽转化制氢工艺,即利用一段蒸汽转化炉出口高温转化气的显热代替部分燃料气为转化反应提供热量,对进入一段蒸汽转化炉前的混合原料气进行预转化,可大量减少一段蒸汽转化炉所需燃料消耗并大量降低副产蒸汽量,由此达到提高轻烃制氢效率、降低制氢成本的目的。     

在新常态下 印后企业更要走环保之路——访上海浦东黄工印刷有限公司杜兴华总经理

<正>得悉,上海浦东黄工印刷有限公司总经理杜兴华,今年三月在包装印刷企业中率先提出:在国家发展新常态下,坚持走环保,走生态文明之路的倡议。记者日前专程走访这位人到中年敦实的企业家。杜兴华是刚刚上任的上海浦东印刷协会副理事长,在表示祝贺之后,记者直奔主题,为什么会在今年这个春暖花开的季节向全体包装印刷企业发放"倡议书"?     

预拉伸对X2A66铝合金蠕变时效力学性能与微结构的影响

通过力学性能测试和显微组织观察,分别研究人工时效、蠕变时效以及预拉伸蠕变时效热处理工艺对X2A66铝锂合金薄板力学性能和组织结构的影响。结果表明:与人工时效相比,蠕变时效过程改变了合金时效析出行为并恶化合金力学性能;但蠕变时效前进行预拉伸处理,能够在稍微降低伸长率的情况下显著提升合金屈服和抗拉强度。     

给排水常用管材分类使用探讨

在进行给排水的安装工作期间,对于所用材料的尺寸、规格和品质的标准要求是非常高的,但是当前在安装期间对于材料的选取上还是存有一些问题的。部分施工机构贪恋眼下的小利,采用伪劣的建材替换高品质的建材,另外还有相关工作人员对于建材的管理不到位,使得伪劣的建材流入施工场地并用于建设,致使给排水工程中存有大量的品质问题,例如,水管爆裂、阀门无法关紧等,干扰了居民的正常使用。基于此,本文主要对给排水常用管材分类使用进行了有效的分析,希望可以为相关工作学者提供一定的参考。     

云计算设备中的大数据特征高效分类挖掘方法研究

云计算设备中的大数据分类挖掘是现实模式识别和智能控制的基础,传统方法中对云计算设备中的大数据挖掘采用拓扑结构网格分区挖掘算法,不能有效提取大数据的细节特征,分类的准确性不好。提出一种基于分数阶Fourier变换特征匹配和K-L分类的云计算设备中的大数据特征高效分类挖掘算法。进行云计算设备中大数据存储机制体系分析,采用分数阶Fourier变换进行云计算设备中大数据特征提取和大数据特征匹配,基于K-L变换,选择最优的路径进行分类空间导引,构建了K-L大数据特征分类器,进行云计算设备中的大数据特征分类挖掘。仿真结果表明,采用该算法进行云计算设备中的大数据特征分类挖掘,特征分类挖掘的准确度较高,能量开销较少,效率较高。     

基于神经网络算法的三维模型预取系统

三维漫游已经成为十分普遍的远程游览或监控的一种方式。三维漫游过程中,系统往往需要动态调用数据并生成三维模型,这会影响系统运行的效率,降低用户体验。针对这一问题,提出一种基于神经网络的智能预取系统。历史访问日志中,模型的特征与被访问频率之间的映射被提取出来,并用以训练系统。系统可以根据模型特征判断哪些模型更可能被用户请求到,并把它们提前存入内存中。通过某三维变电站实时监控与装配管理系统对该预取系统进行验证。结果表明,通过短时间(一天)对系统的训练,即可做出长期(三个月)的高准确率(90%)的预测,有效提高了系统运行的效率。