局部自相似过程的小波估计

首先, 针对时变自相似参数提出了一种基于最大重叠离散小波变换的估计方法; 对此进行了蒙特卡洛模拟研究, 发现提高了估计的精度; 最后, 将研究结果应用于海洋垂直切变序列.     

An oscillatory neural network and dynamical associative memory

Ａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔｗｏｒｋｈａｓｒｅｃｅｎｔｌｙｒｅｃｅｉｖｅｄｃｏｎｓｉｄｅｒａｂｌｅａｔｅｎｔｉｏｎｆｒｏｍｖａｒｉｏｕｓｒｅｓｅａｒｃｈｆｉｅｌｄｓ．Ｍｕｃｈｅｆｏｒｔｈａｓｂｅｅｎｍａｄｅｔｏｗａｒｄｓｔｈｅｕｎｄｅｒｓｔ...     

蒸发波导环境中基于ZMNL的海杂波仿真

针对海上蒸发波导环境中雷达目标的识别,提出了蒸发波导中基于零记忆非线性变换(ZMNL)的海杂波实现方法。该方法确定了海杂波K分布参数与蒸发波导高度间的关系,可得到不同蒸发波导高度、不同探测距离处的相关K分布杂波序列。给出了应用该方法产生杂波的具体步骤,仿真实验证明了该方法用于蒸发波导中海杂波建模的有效性。     

Tourism in the Canary Islands: forecasting using several seasonal time series models

This paper deals with the analysis of the number of tourists travelling to the Canary Islands by means of using different seasonal statistical models. Deterministic and stochastic seasonality is considered. For the latter case, we employ seasonal unit roots and seasonally fractionally integrated models. As a final approach, we also employ a model with possibly different orders of integration at zero and the seasonal frequencies. All these models are compared in terms of their forecasting ability in an out‐of‐sample experiment. The results in the paper show that a simple deterministic model with seasonal dummy variables and AR(1) disturbances produce better results than other approaches based on seasonal fractional and integer differentiation over short horizons. However, increasing the time horizon, the results cannot distinguish between the model based on seasonal dummies and another using fractional integration at zero and the seasonal frequencies. Copyright © 2008 John Wiley & Sons, Ltd.     

基于扩展虚存思想的微机存储器无限扩展方法

本文通过对IBM-PC微型计算机硬件结构的研究,针对其内存容量小,满足不了信息处理要求的问题,提出并实现了一种扩展虚存思想。借助于微机本身的总线结构及接口扩展槽,采用局部总线设计技术,在占用主机一个单槽及内存空间一个段的情况下,无须对其原有硬件作任何改动,就可使它的内存无限扩展。利用这一思想作成的扩展虚存板,可以满足存储大容量动目标序列图像的要求。     

铜基形状记忆合金的过热性能研究

应用研制的Cu-Zn-Al-x形状记忆合金,经过在不同温度、不同时间下的过热处理,测取了该材料过热处理后的记忆功能、回复率、工作点、弹性、塑性、硬度。提供了该合金在实际应用中有重要指导价值的规律性曲线,并对所得结果进行了分析和讨论。     

一种面向非规则数据的阶段预取策略

传统数据预取技术在处理结构复杂的非规则数据应用程序时,其有效性明显下降.为解决该问题,基于程序运行时的数据访问阶段性特征,提出一种面向非规则数据的阶段预取策略,研究应用程序的访存规律和预取调度机制.该策略通过在线剖析应用程序的访存行为,识别出数据访问性能指标表现稳定的数据访问阶段和具有特定访存行为特征的预取阶段,实现在数据访问阶段内依据预取阶段的访存规律动态调整预取操作.实验结果表明,与传统的基于访存流模型的数据预取技术相比较,阶段预取策略能够减少无用预取,更加有效地改善非规则数据应用程序性能.     

一种面向不可靠网络的快速RDMA通信方法

大数据量的远程内存访问(RDMA)传输是并行计算机中最基本的通信模式之一,对系统整体性能的影响很大.随着并行计算机系统的规模扩大,系统的容错性设计面临着很大的挑战,互连网络具有链路不可靠、自适应路由等特点,如何面向不可靠网络实现可靠的端到端RDMA传输是并行系统体系结构设计的一大难题.提出一种面向不可靠网络下的快速RDMA传输方法,方法能够在节点控制器芯片上高效实现,对上层驱动软件和应用提供可靠的端到端RDMA传输服务.与传统的建立连接的方法相比,方法的硬件设计复杂度大大降低;方法另一优点是实现了按需重传,避免了传统方法中一次RDMA传输出现错误时,需要重传整个RDMA数据的开销,在相同的错误概率下,新方法的传输效率得到了很大的提升.     

超短期风电功率预测的混合深度学习模型

针对风电功率预测(WPF)问题,提出一种基于离散小波变换(DWT)、时间卷积网络(TCN)和长短期记忆(LSTM)神经网络的混合深度学习模型(DWT-TCN-LSTM),对超短期风电功率进行预测.将DWT-TCN-LSTM模型分别与差分整合移动平均自回归(ARIMA)模型,支持向量回归(SVR)模型,长短期记忆神经网络模型和卷积长短期记忆(TCN-LSTM)混合模型进行对比实验,通过对称平均绝对百分比误差(SMAPE),均方根误差(RMSE)和平均绝对误差(MAE)3种评价指标值对各个模型进行评价.实验结果表明:DWT-TCN-LSTM模型具有较好的预测性能.     

人工记忆优化算法

为了求解复杂函数优化问题,根据人类记忆原理构造出了具有全局收敛性的人工记忆优化算法. 在该算法中,每个记忆元对应着一个试探解; 将记忆原理的记忆和遗忘规律用于控制每个记忆元的状态转移; 记忆元的状态由与试探解相关的状态描述量以及记忆残留值构成,该值分为瞬时记忆、短时记忆和长时记忆三种状态类型,并依据记忆元接受刺激的强度被加强或衰减; 处在瞬时记忆、 短时记忆和长时记忆状态的记忆残留值衰减速度由快到慢,记忆残留值低于某个阈值的记忆元要被遗忘,不再被处理. 在记忆元状态转变过程中,记忆元从一个状态转移到另一个状态实现了对优化问题最优解的搜索. 该算法将试探解与记忆关联,使得试探解依据其质量好坏被自动分类; 处于长时记忆状态的试探解因其质量好,其部分变量的状态值将被传给其它质量差的试探解对应的变量,使其质量得到改善; 处于不同记忆状态的试探解交换信息时,只有很少部分变量进行状态信息交换,这样既可以使试探解的大部分变量的状态保持不变,又能使其质量得到改善,且可大幅减少变量处理个数,对于高维优化问题此举可大幅提高算法收敛速度; 随着演化的进行,质量差的试探解会不断被遗忘,被处理的试探解的数量会不断减少,因此,随着时间的推移,本算法的收敛速度将越来越快. 应用可归约随机矩阵的稳定性条件证明了本算法具有全局收敛性. 测试结果表明本算法的性能与现有的群智能优化算法相比,具有收敛速度快,求解精度高的优势.