基于PC系统的快速体绘制实现

由于体绘制算法需要强大的计算能力，通常在PC系统上难以实现满足交互式应用的绘制速度，因而阻碍了其应用普及。该文使用Shear-Warp体绘制算法，结合Intel公司的SSE2扩展指令对整个绘制过程进行加速，实现了基于中高档PC系统对256*256*256体数据的实时快速体绘制技术。     

A new adaptive state space construction method for the mobile robot navigation

In order to solve the combinative explosion problems in a continuous and high dimensional state space, a function approximation approach is usually used to represent the state space. The normalized radial basis function （NRBF） was adopted as the local function approximator and a kind of adaptive state space construction strategy based on the NRBF （ASC-NRBF） was proposed, which enables the system to allocate appropriate number and size of the basis functions automatically. Combined with the reinforce- ment learning method, the proposed ASC-NRBF method was applied to the robot navigation problem. Simulation results illustrate the performance of the proposed method.     

MADDPG算法并行优先经验回放机制

多智能体深度确定性策略梯度(multi-agent deep deterministic policy gradient,MADDPG)算法是深度强化学习方法在多智能体系统(multi-agent system,MAS)领域的重要运用,为提升算法性能,提出基于并行优先经验回放机制的MADDPG算法.分析算法框架及训练方...     

高职机电类专业"工学结合"模式的实践与思考

大力推进工学结合是新形势下我国职业教育改革的重要方向.济源职业技术学院机电专业在工学结合、校企合作办学实践过程中,积极探索,取得了一些宝贵的经验.文中就机电专业在校企合作、产学结合以及科研孵化、项目驱动两种模式下的运行体系及操作要点作了详细的论述,并提出了几点思考.     

基于GAN的通信干扰波形生成技术

现有通信干扰方法,通常基于通信侦察中获取的目标信号特征进行干扰决策,选取合适的干扰波形实施干扰,难以应对目标信号特征未知或参数动态变化的情况.为此,提出一种基于生成对抗网络(generative adversarial networks,GAN)的通信干扰波形生成技术,运用GAN直接提取目标信号的潜在特征,并生成与目标...     

基于混合流量预测的虚拟网络拓扑重构方法

目前在构建虚拟网络时,为满足用户动态变化的带宽需求,虚拟网络控制平台通常把虚拟链路带宽设置为流量最大值,一定程度上造成了资源浪费.针对这一问题,提出一种基于混合流量预测的虚拟网络拓扑重构方法,利用基于参数优化选择的混合流量预测算法对下一周期的网络流量进行预测,根据流量预测结果进行拓扑重构,在避免出现乒乓效应的同时节省更...     

基于多模态深度神经网络的抓取检测方法

针对机器人抓取检测任务中对未知物体抓取检测精度低的问题,本文提出了一种多模态深度神经抓取检测模型。首先,在RGB和深度两个通道中引入残差模块以进一步提升网络的特征提取能力。接着,引入多模态特征融合模块进行特征融合。最终通过全连接层回归融合特征以得到最佳抓取检测结果。实验结果表明,在Cornell抓取数据集上,本文方法的图像拆分检测精度达到95.7%,对象拆分检测精度达到94.6%。此外,本文还通过消融实验证明了引入残差模块可以提高网络抓取检测性能。     

顺义滨河森林公园林内小气候及人体舒适度效应分析

为探究城市绿地调节小气候、缓解城市热岛作用,以顺义滨河森林公园绿地为对象,选择硬质铺装为对照,于2022年3—11月,对不同植物群落空气温度、相对湿度、风速进行实地监测,以此研究不同植物群落间小气候及人体舒适度的改善提升效应。结果表明：春季降温效果最好（2.74℃）,其次是夏季（2.05℃）,一天内在14:00前时段降温效果最为显著;夏季增湿效果最高（6.88%）,其次是秋季（5.62%）;在减弱风速效果中春季幅度最高（0.2 m/s）,其次是夏季（0.07 m/s）,上午时间段内减弱风速程度较大。春夏秋三季均能不同程度提高人体舒适度,其中夏季最高（1.54）,其次是春季（0.54）,夏季全天及春季、秋季的12:00—14:00时间内可为人们提供一个较为舒适的环境。可见植物群落优化提升对于提高城市绿地生态效益发挥、改善城市生态环境均有着重要的作用,研究结果可为城市绿地植物群落结构优化提升、经营管理及市民休闲出行供借鉴参考。     

基于Inception-BiLSTM和迁移学习的结构损伤识别

针对传统卷积神经网络（convolutional neural network,CNN）方法在时空特征提取存在不足,提出一种改进的Inception与双向长短期记忆（ bi-directional long short-term memory,BiLSTM）联合模型,以全面学习振动信号中的空间和时序信息。首先,构建具有多尺度感受野的Inception模块,自适应地提取不同尺度下的空间特征;其次,BiLSTM序列化处理时间特征,以深度挖掘时间相关性;最后,通过全局平均池化和Softmax分类器来实现钢框架结构的损伤识别。为评估该模型对噪声的鲁棒性,引入高斯白噪声作为干扰。此外,采用迁移学习策略来评估模型在不同强度激励和小样本下的泛化能力,确保适用于不同的损伤识别任务。结果表明,与传统的CNN方法相比,该模型在无噪声条件下及信噪比超过25dB时保持了100%的识别精度。该方法解决了土木工程应用中样本量不足和不同强度激励的实际挑战。通过微调预训练模型的参数,实现了在不同强度激励和小样本情况下的知识迁移与泛化,从而增强了模型的实际适用性。