钢筋混凝土柱、型钢柱及钢管混凝土柱之比较研究

本文对钢筋混凝土柱、型钢柱和钢管混凝土柱的基本工作原理、力学性能、施工工艺及存在的问题进行了详细的分析,并通过实际的工程实例充分展示了钢管混凝土柱的优越性及其广泛的应用前景。     

面向可视化设计的虚拟实验对象指称模型与交互模型研究

本文主要研究面向可视化设计的虚拟实验教学对象指称模型与交互模型,并将其应用于虚拟实验教学可视化集成环境中的各软件工具中。     

人机交互技术在现代展示设计中的应用

随着各种新型交互方式充斥着人类的生活空间,使人们得以了解、探知一个全新的感官世界。通过设计各种交互媒体设施,将多种新型的交互方式应用于现代空间陈列之中,让观众通过看、听、触等方式欣赏、品味乃至探讨展品的"外延"与"内涵",使展览生动有趣,激发观众的新奇感与兴奋感,有效提升其对展品的阅读、理解能力。     

一种基于RFC2544标准的以太网测试方案设计

随着互联网产业的飞速发展,人们对网络设备的网络规模性、稳定性、安全性都提出了更高的要求。本论述主要研究在Windows平台下,设计了一种基于RFC2544标准的以太网测试性能测试方案,完成了以太网吞吐量、时延、丢帧率、背靠背帧等主要性能指标的测试,并进行了仿真。     

从虚拟走到现实,有多远?

<正>2014年5月,当不少中国上班族享受着难得的长假时,手握12亿用户的Facebook CEO扎克伯格,却正忙着召开"F8全球开发者大会"。在大会上,扎克伯格向全球软件开发者宣布,Facebook有意将SNS服务拓展至智能手机上的所有应用。在他看来,计算机世界的未来将建立在瞬时信息、可穿戴设备和虚拟现实技术之上。现在,当人们经历过电子商务、社交网络、移动互联网等浪潮带来的冲击之后,全球领先的互联网大鳄们,又将目光对准了虚拟现实技术和可穿戴智能设备。2014年以来,国际上信息产业的几大巨头风起云涌。Facebook一掷20     

结合transformer多尺度实例交互的稀疏集目标检测

为改进稀疏集目标检测方法存在的特征图缺乏空间细节信息、目标特征没有做到全局上下文实例交互、全局语义信息没有得到充分学习等问题，设计了一种结合自适应特征增强和实例特征交互的稀疏集目标检测算法。自适应特征增强模块在特征提取过程中利用不同尺度的池化和卷积来丰富高级语义信息，减小低级语义信息背景噪声的干扰，降低目标错检率和漏检率。实例特征交互模块在边界框回归设计中结合transformer的多层注意力，并融合通道注意力和动态卷积网络对建议框的通道信息进行增强，改善了目标的边缘信息，提高了网络的实例特征交互效率。最后在COCO2017数据集与原始网络进行实验对比，平均精度提升了4.2%，其中在大目标上提升了4.6%，在PASCAL VOC数据集上提升了2.7%。     

基于数码显微交互系统的初中生物实验教学

随着现代教育技术的发展,数码显微交互系统已逐渐被应用于初中生物实验教学,并日益体现出其优势。连云港市新海实验中学通过几年来的教学实践,形成了一套运用在数码显微交互系统中的生物实验教学方法,提高了教学质量和课堂效率,初中生物实验教学提供了一个更理想的教学模式。     

不同加载模式下GFRP管混凝土组合柱的损伤实时监测

基于压电陶瓷主动传感技术，对GFRP管混凝土组合柱(concrete filled GFRP tube, CFGT)进行损伤监测.制作2组预埋压电智能骨料(smart aggregate, SA)的GFRP管约束混凝土短柱试件，分别进行单调和往复轴压试验，监测其损伤情况.加载过程中采集实时信号，采用小波包能量法和基于均方根偏差的损伤评判指标(damage indicator, DI)等进行损伤评估，发现小波包能量随着荷载的增大明显衰减，而损伤评判指标随着荷载的增大而增大，且在损伤达到一定程度时趋于平稳；组合柱底的小波包能量均大于柱顶的；柱底混凝土晚于柱顶破环；往复加载下的混凝土破坏先于单调加载下的.结果表明，该监测方法能有效识别组合柱在受力时的实时损伤程度，且监测信号的幅值、小波包能量、损伤评判指标均在损伤过程中表现出较好的敏感性.该方法可为该类组合柱在施工、使用过程中的实时损伤研究提供参考.     

考虑车辆间交互作用的驾驶意图预测方法

准确的意图预测可以帮助智能车辆更好地了解周围环境并做出更加安全的决策，从而提高自动驾驶的安全性，促进人机协同驾驶。为了对驾驶员未来的意图做出更加精准的预测，提出了一种交互式意图预测方法。首先，通过将隐马尔可夫模型（HMM）与高斯混合模型（GMM）相结合，在充分考虑周围场景信息后建立了行为识别模型，用于对当前的驾驶行为做出准确的判断。然后，考虑到交通场景复杂多变的特点，提出基于意图的轨迹预测方法规划出一条最佳的行驶轨迹，并采用最大期望效用理论对未来的驾驶行为进行推理。由于行为识别和意图推理模型综合考虑了交通态势的演变过程和车辆之间的交互作用，所以将两个模型得到的结果相结合可得到车辆最终预测出的驾驶意图。最后，在NGSIM数据集对所提出的方法进行验证，结果表明提出的行为识别模型能够提前0.2~0.3 s识别出车辆的换道意图，结合未来意图推理模型，能够更加准确地预测出车辆未来的驾驶行为，由此可提高车辆驾驶的安全性。