用人工神经网络方法辨识岩体力学参数

研究了用人工神经网络辨识岩石工程岩体力学参数的基本原理、网络结构、网络训练样本的获得及网络训练方法·在此基础上,提出了用人工神经网络辨识岩石工程岩体力学参数的方法和步骤,并给出了一个参数辨识实例·结果表明,依据巷道变形观测,用神经网络辨识岩石工程岩体力学参数是可行的·该方法为研究岩体物理力学性质参数和岩石工程初始地应力条件提供了一个有效途径,尤其适用于软岩情况下岩体力学参数的辨识·     

SaaS应用中基于SLA的资源分配研究

随着云计算的普及,软件即服务(Software as a Service,SaaS)得到了广泛的关注.SaaS应用中,需要满足客户服务等级协议(Service Level Agreement,SLA)要求、减少SLA服务违例的同时,尽量提高系统资源的利用率,这对资源分配策略提出了挑战.提出了SaaS模式下的基于SLA的资源分配策略:基于对客户请求动态变化的分析,针对"首次租用服务"和"租用服务升级"两种请求类型,提出了一种用户请求与底层资源的映射策略;提出了提高虚拟机重用度的基于SLA的资源效率优化分配算法.实验表明,该资源分配算法可以在有效保证服务质量的同时,提高资源的利用率.     

非豆科作物共生固氮的研究(Ⅲ)——~15N同位素稀释法测定小麦诱发根瘤的固氮作用

70年代以来,由于氮素化肥的能源耗费和环境污染等问题日趋严重,生物固氮研究日益受到世界各国重视。近年,生物固氮研究中令人瞩目的课题是研究如何向非豆科作物转移固氮能力,以减少农业对化肥的依赖。目前,此项研究已成为生物固氮研究中的新兴领域,是当代农业科学中富有挑战性的研究课题。     

基于数据挖掘的深部采场岩爆知识的自动获取

将岩石力学和人工智能相结合,提出了深部采场岩爆风险估计知识自学习的一种新方法·它利用数据挖掘的方法从岩爆实例数据中挖掘出知识,并在此基础上建立了岩爆风险估计的智能系统·从而可以根据获得的现场测试和监测资料,综合估计深部采场因开采而诱发的岩爆风险·     

非豆科作物共生固氮的研究(Ⅱ)——根瘤菌与小麦共生结瘤的固氮酶活性

一、前言豆科植物和根瘤菌共生结瘤固氮是农业的主要生物固氮资源,但广大面积的非豆科粮食作物并不具有这种固氮自肥能力。因此,如何扩大根瘤菌共生固氮范围,使粮食作物也能结     

非豆科作物共生固氮的研究(Ⅰ)——根瘤菌导入非豆科作物结瘤共生

一、前言近十年来,遗传工程的兴起为生物固氮的研究和发展开辟了广阔的前景。七十年代中期,由于在细菌之间固氮基因转移成功,人们对遗传工程用于固氮的研究前景寄以很大希望;其中最令人关注的是如何将固氮基因转移到非豆科作物中,以减少农作物对氮肥的需求。农业科学中这一富有挑战性的研究课题已日益受到国内外各阶层的重视。1984年1月赵紫阳同志访问美国加州大学时,在听到遗传工程有可能使非豆科作物固氮的介绍后说:“你们的工作做成功了,我们这个地球就可以养活更多的人,可以避免星球大战了。”(《光明日报》,1984年     

基于约简任务资源分配图的网格依赖任务静态调度

网格资源环境的动态性和异构性对依赖任务的静态调度策略产生了极大的挑战.提出了一个能够更好地适应资源异构性,并完整支持调度、重调度的统一静态调度模型,即基于约简任务资源分配图(RT-RAG)的调度模型和调度算法.基于该模型的调度问题归结为RT-RAG的优化选取问题.实验分析表明,基于该模型的调度方法更好地适应了网格环境的动态性和异构性,使得静态调度策略与动态调度策略相比依然保持着较大的性能优势,并且也优于基于DAG任务图调度模型的AHEFT静态调度算法,特别是在资源差异较大的情况下.     

基于免疫遗传算法的网格任务调度

研究了网格环境下任务调度问题,提出了一个任务调度机制:基于任务图将每一个可能的任务调度方案表示成一个任务-资源分配图,将网格任务调度问题转化为任务-资源分配图优化选取问题.提出了一种基于免疫遗传算法的、实现任务-资源分配图优化选取的任务调度算法.该算法将任务-资源分配图的最长路径作为抗原,每一个任务-资源分配图对应一个抗体.实验结果表明这个算法在全局优化能力及收敛速度上均有显著提高.     

面向强化当前兴趣的图神经网络推荐算法研究

在基于会话的推荐中，与传统序列建模相比，将会话序列建模为图结构在该领域表现得更为出色。但是，现有的研究方法仅利用图结构来挖掘项目之间转换特性，以此捕获用户当前兴趣的能力有限。本文提出一种面向强化当前兴趣的图神经网络推荐算法，通过引入位置嵌入，并与图神经网络相结合，从而互补顺序感知模型和图形感知模型的优势。会话序列被建模为图结构，并取原始序列的最后一次点击，通过多头注意力机制计算其对图节点信息的注意力权重，以更加准确地获取用户当前兴趣的表示。同时，在2个真实的数据集上进行验证实验，结果表明本文提出的方法实现了所有方法的最佳性能，特别是在Diginetica数据集上，所有评价指标都提升了7%以上，MRR@10指标甚至提升了9.52%,证明本文所提方法对基于会话推荐的正确性和有效性。