复杂性研究的计算方法

计算、算法与复杂性研究有着密切的关系,计算方法已经上升为一种复杂性研究的科学方法。计算复杂性使用的研究方法基本上是计算方法,算法复杂性研究的算法描述也是一种计算方法。计算方法还在复杂适应系统理论、人工生命等复杂性分支学科中扮演了重要的角色。计算方法不但在复杂性研究中有重要的作用,而且在一般方法论意义上也已经变得不可或缺,甚至走向了计算主义。     

虚拟环境交互技术研究

虚拟现实的研究已步入第三阶段。现阶段,VR作为未来理想的人机交互媒体对虚拟环境交互技术的研究提出了具有挑战性的要求;同时,也要求VR研究人员用系统的方法来开发虚拟环境交互技术。本文描述了虚拟环境中的基本交互任务和已有的交互技术,分析了交互技术的设计和评价方法,并为后续工作提出了一些研究方向。     

战争设计工程技术研究

在机械化战争向信息化战争发展过程中需要新的战争问题研究方法.战争设计工程把"设计"和"工程化"的思想引入到战争问题研究中,克服了以往研究方法中军事理论研究和装备研究分离的缺点,能够综合集成军事研究各领域专家的智慧.文章对战争设计工程的基本思想、基本流程和关键技术进行了初步阐述.     

复杂系统的研究方法

一般演绎方法、一般归纳方法、类比方法、实验概括等方法是系统科学与复杂系统科学中几种常见的传统的研究方法。随着研究对象的复杂化以及计算机技术的飞速发展,以模型理论为基础,计算机技术为平台的计算机模拟方法在探索复杂系统,尤其是它的动力学机理方面似乎更胜一筹。     

脑研究的系统科学

从系统观点分析脑研究现状,指出：尽管脑具有复杂的多层次结构,但脑的功能在于为机体的生存进行信息处理和调节控制,脑研究主要应解决系统水平的问题,应用系统观点和综合方法是脑研究的迫切要求,而且已有不少脑科学家认识到用系统方法研究脑的必要性．接着对我们在用综合建模方法进行的脑研究实践作了简介,最后论述了用系统方法进行脑研究也将促进系统科学的发展     

基于FP-tree关联算法的文献主题研究——以大数据哲学研究为例

数据科学与人文社会科学的融合,不仅能丰富人文社会科学的研究方法,还能拓展研究思路、发现新问题、提出新议题。这种融合将人文社会科学研究带入了一个前所未有的时代。本文介绍了一种利用FP-tree算法对社会科学文献关键词做关联规则挖掘,从而获得相关研究领域研究重点、趋势、研究进路以及“数字意外”的流程和方法,并将该方法应用于“大数据哲学研究”领域,直观地揭示目前该领域的研究重点、现状和相关研究路径等。     

船舶综合安全评估中的评价方法研究

对船舶工业中各种风险的定量评估方法研究是一项重要的基础性研究 ,它是船舶工业领域中的前沿课题之一。为了更好地促进综合安全评估方法的研究与应用 ,在对船舶综合安全评估中的评价方法研究的基础上 ,系统分析了目前综合安全评估方法的优势与不足 ,提出了若干有待解决的问题和值得关注的研究方向。同时 ,针对风险评估中的某些重要问题给出了应用数据包络分析方法研究的具体建议。最后 ,提出了定量综合评价方法应用中值得注意的几个问题。     

微型飞行器空气动力学研究

围绕与微型飞行器相关的低雷诺数空气动力学问题,进行了低雷诺数翼型气动特性的数值分析研究、低马赫数低雷诺数流场数值计算方法研究、考虑扑翼结构弹性变形的气动特性估算方法研究、微型飞行器气动特性估算的非定常涡格法研究和微型飞行器的风洞试验研究,取得的研究成果对微型飞行器的发展具有重要的参考价值和指导意义.     

非均匀采样滤波器研究

本文研究了非均匀采样滤波器设计问题。首先,研究了用滑动平均法减小速度响应不平度的方法;讨论了阻带可以控制的非均匀采样滤波器设计;在此基础上,研究了多个阻带的非均匀采样滤波器设计;最后,研究了用优化参差矢量码来减小速度响应不平度的方法。     

关联型决策分析方法研究综述

关联型决策分析是决策科学领域近年来快速发展的重要研究分支,特别是供应链整合与管理协同创新,促进了跨组织、跨流程、跨任务、跨阶段的关联型决策分析研究的蓬勃发展.对该领域最新动向进行系统性综述,有助于理清关联型决策分析方法的研究脉络,提高方法应用有效性,推动方法的前沿性探索.首先,聚焦决策要素的深度解析,明晰了研究趋势的变化以及不同决策要素在关联类型、关联结构和关联信息等方面的差异与特点;然后,以适用的关联情境为划分依据,以应用价值挖掘和理论贡献凝练为切入点,从原理、创新与贡献、信息处理能力、应用复杂性等视角比对了各类关联型决策分析方法.最后,探讨了关联型决策分析方法研究的未来发展方向和关键问题.     

单变量序列数据分类方法综述

单变量序列数据分类涉及现实世界的诸多应用领域,具有重要的研究意义与应用价值。目前,单变量序列数据分类领域的发展处于深度学习逐渐取代传统方法的关键时期,但相关的归纳综述仍然很少。为了促进未来研究,本文对单变量序列数据分类方法进行了全面的总结,根据提取分类信息的不同,将现有分类方法分为基于形状信息、基于频率信息、基于上下文信息以及基于信息融合4种类别。此外,本文依托公开数据集对典型分类方法进行了对比与分析,并对未来研究方向进行了展望。     

复杂系统与复杂系统仿真研究综述

复杂系统仿真已成为研究复杂系统的最重要手段之一。首先回顾了复杂系统的发展历程,总结了复杂系统的特点;然后综述了复杂系统仿真的当前发展,分类描述了各种复杂系统建模与仿真方法,分别总结了它们所能反映的复杂系统特点;提出要借助其他领域的研究成果来支持复杂系统仿真研究,并介绍了几种有助于推动复杂系统仿真研究的方法。最后阐述了仿真对复杂系统研究的重大意义。     

A Design View on Research in Social Sciences

Research in social sciences has not had the same impact as research in natural sciences and several authors are critical of social science research methods. In order to elucidate this problem, the author analyzes the purpose of research in general and in social sciences in particular. The author makes reference to various research methods that are suggested and used in social sciences. Social science research differs from research in natural sciences. It differs not only in being dependent on actions of human individuals but also because systems in social sciences are a complex mixture of Hard and Soft systems. The paper argues that research in Human Activity Systems should focus on design. This view changes the research perspective and the demands on the research methods to be used. The author suggests a method based on focusing decision settings combined with Action Research.     

Is Action Design Research Indeed Necessary? Analysis and Synergies Between Action Research and Design Science Research

Action research is one of the research methods that seeks to develop scientific knowledge while simultaneously acting to solve real problems. Design science and design science research are approaches that address problem-solving oriented researches, converging in this aspect with the objectives of action research. A significant part of the literature discusses action research and design science research separately. However, there are some early discussions regarding the similarities and the differences between these research methods. The objective of this study is to deepen an analysis that distinguishes action research, design science and design science research as research methods considering their convergences and divergences. This leads to the discussion of the need for a third method: action design research. This study was conducted based on a configurative systematic literature review. The analysis and the synthesis of literature took into account themes and content analyses. Some results could be observed. First, there is a significant number of similarities among these research methods; second, there are complementary and positive synergies in their use; and third, the concepts of artifact and classes of problems seem to contribute both to the proposition and to the evaluation of the results obtained by action research. Finally, it was possible to establish a set of possibilities for the use of action research and design science research in a combined manner. The limitations of this study have a theoretical nature. There is a need for a comparative analysis of the use of action research and design science research and the use of action research under the paradigm of design science.     

制造系统中的死锁问题

介绍了制造系统中的死锁问题,特点及控制策略.总结了近十年来制造系统中死锁问题的研究成果,将死锁问题的研究方法,按照建模方法进行分类:基于图论的方法,基于Petri网的方法,基于自动机的方法.并对算法进行了总结和比较.最后指出了未来的研究和发展方向.     

A review and prospect of readable machine proofs for geometry theorems

After half a century research,the mechanical theorem proving in geometries has become an active research topic in the automated reasoning field.This review involves three approaches on automated generating readable machine proofs for geometry theorems which include search methods, coordinate-free methods,and formal logic methods.Some critical issues about these approaches are also discussed.Furthermore,the authors propose three further research directions for the readable machine proofs for geometry theorems,including geometry inequalities,intelligent geometry softwares and machine learning.     

区间数排序方法研究综述

研究区间数排序方法问题。有关区间数的研究近年来受到了人们的关注，其理论方法应用的研究已获得了一些成果。介绍区间数的定义和二元运算关系，简要评述区间数排序方法。     

融合零样本学习和小样本学习的弱监督学习方法综述

深度学习模型严重依赖于大量人工标注的数据,使得其在数据缺乏的特殊领域内应用严重受限。面对数据缺乏等现实挑战,很多学者针对数据依赖小的弱监督学习方法开展研究,出现了小样本学习、零样本学习等典型研究方向。对此,本文主要介绍了弱监督学习方法条件下的小样本学习和零样本学习,包括问题定义、当前主流方法以及实验设计方案,并对典型模型的分类性能进行对比。然后,给出零-小样本学习的问题描述,总结研究现状和实验设计,并对比典型方法的性能。最后,基于当前研究中出现的问题对未来研究方向进行展望,包括多种弱监督学习方法的融合与理论基础的探究,以及在其他领域的应用。