Linux下Anycast路由协议的设计与实现

讨论了在Linux内核中Anycast路由协议的设计方案和实现技术,将Anycast路由分为内核Anycast路由数据处理、Anycast路由映射表信息的动态交换与更新、主机Anycast组成员信息管理3部分.内核Anycast路由数据处理部分的实现包括Anycast路由软件的设计和Anycast路由过程中的Anycast地址映射算法及映射表维护,在该部分增加了一个核心数据结构即映射表,完成了Anycast地址到Unicast地址的转换.实验结果表明:通过把Anycast路由映射表信息交换系统设计成守护进程,实现了内核映射表信息的动态更新和路由器间映射表信息的交换;通过Anycast组成员之间的信息通信和用户介入控制的方式实现了Anycast组成员的动态管理;采用全IPv6地址和兼容IPv4的IPv6地址进行组管理、映射表信息交换和Anycast路由以及基于HTTP应用的服务测试,可以有效地实现Anycast数据报的转发.     

状态记忆夹具中的填料实验与状态成型系统的研制

概述了快速寻住与状态记忆(RL&SM)通用夹具的基本原理及其主要组成,在对不同合金及其配比的填料所进行的切削性能和硬度及其毛坯漂移等相关工程实验的基础上,提出了支持RI&SM通用夹具工程应用的状态成型系统。该系统由低温烘箱和井式熔炉复合而成,并可通过控制系统单独或集成控制烘箱和熔炉的状态。     

二阶时滞的双向联想记忆神经网络的稳定性分析

讨论了二阶时滞的双向联想记忆神经网络平衡点的全局稳定性,利用Lyapunov函数和不等式技巧得到了网络平衡点的全局渐近稳定和全局指数稳定的几个充分条件.     

基于免疫联想记忆的病毒检测算法

针对现有算法只考虑未知病毒检测的片面性 ,论文综合借鉴生物免疫机制中一次反应的非选择思想和二次反应的联想记忆思想 ,提出了一种基于免疫联想记忆的病毒检测算法 ,该算法结合了免疫非选择对未知病毒的识别能力和免疫联想记忆对已识别病毒的学习记忆能力 .基于免疫联想记忆的病毒检测算法除能有效地检测未知病毒外 ,还能快速检测出已知病毒的变种或具有类似行为特征的病毒 .针对典型宏病毒的实验验证了本文算法的检测性能     

基于金属磁记忆的高铁轮对早期故障检测研究

列车安全性检测是铁路机车车辆工程的重要研究课题。轮对是高速列车行走部的关键部件,传统检测模式只能发现宏观存在的缺陷,而不适用于运行过程中的早期缺陷的发现与状态跟踪。为了实现对早期故障的快速识别与轮对寿命预测,针对传统测试方法在早期检测与动态检测方面的不足,提出了全新的动态检测系统,以满足列车运行的安全要求,还对磁记忆信号与该材料所受载荷状态之间的关系进行了大量的试验研究。研究结果表明：在50~150 kN的载荷区间内,试件的磁记忆信号呈单调变化,变化趋势明显;对试件进行疲劳载荷后发现磁记忆信号的原始值及梯度、峭度等信号特征均有所变化,峭度变化较为明显,能够有效反应材料的疲劳状态。采用金属磁记忆技术进行轮对早期故障检测与动态检测,对于保证列车的运行安全具有重要的现实意义,可为无损检测领域的应用提供借鉴。     

八粒子量子态对彩色图像的存储方案

经典彩色图像的存储方法存在着数据量很大且很费内存等缺点,针对这些缺点,提出了一种在量子比特阵列中采用八粒子量子态存储彩色图像的方法,借助于量子态的巨大存储能力,通过采用量子并行计算特性的Grover量子搜索算法,起到平方根加速的理想效果.在图像存储和图像重构的过程中,对量子比特阵列进行搜索找到相应的彩色图像,证明所采用的方法有很好的效果.     

Long Memory of Financial Time Series and Hidden Markov Models with Time‐Varying Parameters

Hidden Markov models are often used to model daily returns and to infer the hidden state of financial markets. Previous studies have found that the estimated models change over time, but the implications of the time‐varying behavior have not been thoroughly examined. This paper presents an adaptive estimation approach that allows for the parameters of the estimated models to be time varying. It is shown that a two‐state Gaussian hidden Markov model with time‐varying parameters is able to reproduce the long memory of squared daily returns that was previously believed to be the most difficult fact to reproduce with a hidden Markov model. Capturing the time‐varying behavior of the parameters also leads to improved one‐step density forecasts. Finally, it is shown that the forecasting performance of the estimated models can be further improved using local smoothing to forecast the parameter variations. Copyright © 2016 John Wiley & Sons, Ltd.     

Effect of updating training on fluid intelligence in children

Recent studies have indicated that working memory (WM) training can improve fluid intelligence.However,these earlier studies confused the impact of WM storage and central executive function on the effects of training.The current study used the running memory task to train the updating ability of 9-11 year-old children using a double-blind controlled design.The results revealed that children’s fluid intelligence was significantly improved by memory-updating training.Overall,our findings suggest that the increase in fluid intelligence achieved with WM training is related to improving central executive function.