海堤非稳定渗流场渗透参数反演分析

针对受到快速涨落潮位作用的海堤进行非稳定渗流有限元分析,在此基础上结合实测渗压序列构建目标函数对海堤的渗透参数进行反演研究.反演中采用分层搜索技术,先由逐步扫描法确定出渗透参数一个合理的小区间,再用一阶梯度优化方法在该小区间上进行迭代优化以获得合适的渗透参数.以反演得到的渗透参数进行海堤非稳定渗流数值模拟,算例表明,计算及反演步骤合理可行,模拟计算得到的渗压结果与实测序列在数值和动态变化规律上都取得了理想的拟合效果.     

城市产业规模分布的等级标度分析

企业是城市组织的重要成分之一,是城市产业发展的具体表现形式.城市企业大小的测度分布服从位序—规模法则,可以采用Zipf定律描述.从理论上可以证明,凡是服从Zipf定律的系统,都可以开展等级标度分析.等级标度分析包括两个方面:一是等级标度律的统计分析,二是等级标度指数的数值分析.以河南平顶山卫东区的纳税百强企业为例,说明如何对企业规模分布划分等级结构,以及如何开展等级标度分析.通过标度分析解释产业结构特征,可为城市产业发展和规划提供参考.     

层次化的片上网络设计方法

半导体技术的发展以及系统芯片应用复杂度的不断增长,使得片上互连结构的吞吐量、功耗、信号完整性、延迟以及时钟同步等问题更加复杂,出现了以片上网络为核心的通信结构.由于系统芯片结构和片上通信的固有特性,从提高通信性能和降低硬件开销的角度进行层次化片上网络的设计对系统芯片的发展具有重要意义.本文提出了层次化的片上网络设计方法,根据实现工艺和应用需求,进行层次划分,产生若干个IP子集(将这个子集称为"簇"),按照簇间的通信需求进行片上网络的设计.实验表明,采用层次化的片上网络设计方法,能够有效提高系统性能,降低硬件实现的开销,同时满足一定的服务质量要求.     

基于多Agent的分布式多目标任务调度机制研究

针对分布式计算中任务调度的复杂性、动态性和实时性等特点,构建了一个基于多Agent的分布式多目标任务调度模型．此模型中,设计了一种分布武调度机制,使每个节点都具有独立的调度决策能力,增强了系统的可扩展性．同时为了解决分布式调度所产生的节点间任务通信问题,引入任务与节点相关性等概念,有效地降低了节点间的通信代价．模型对多个评价指标进行了综合衡量,如任务调度开销、任务最早执行时间、负载均衡及节点问的通信量等,并根据任务和系统运行的状态特征,实现多目标任务调度,提高了系统的整体性能．     

可扩展路由器并行路由计算模型

分布式控制平面的并行路由计算性能是制约可扩展路由器大规模扩展的关键因素。根据反压理论建立了分布式控制平面并行路由计算模型,利用控制单元的队列长度信息判断每个控制单元的负载大小,自适应地调整控制单元间的负载分配,实现负载均衡。利用排队理论,根据损失率、系统利用率和服务等待时间这3个特征量对该模型进行了性能分析。用真实网络数据模拟验证理论分析的正确性。实验结果表明:与现有并行路由算法相比,该模型采用的反压任务分配算法能够根据控制单元的负载大小和控制单元数量自适应地均衡分配负载,有效地提高了可扩展路由器的并行路由计算性能和可扩展性。     

一种基于DAG图的异构可重构任务划分方法

为了实现高性能低功耗的计算,以任务划分为研究对象,提出了异构可重构计算的基本概念和形式化描述方法,给出了基于异构计算任务和异构可重构体系结构相结合的异构可重构两种任务划分方法:节点内部可重组及网络可重建的任务划分及算法,最后验证了其任务划分方法的有效性.     

基于限制的OLAM任务语义模型

通过对大量决策分析算法的分析,提出了基于限制(Constraint)的OLAM任务语义模型,该模型从一定的逻辑高度对OLAM进行抽象,利用它可以分析OLAM任务的共性,提取OLAM任务执行时的基本操作,这些基本操作的基础是语义片断。文中给出了语义片断之间关联关系的分析和判断方法,提出了基于限制的、具有方向性的语义关联度定义。语义片断间关系的确定是OLAM任务/事务优化的基础。     

Linex损失下Pareto分布参数的Bayes估计

该文讨论了在Linex非对称损失函数下Pareto分布参数的Bayes估计及多层Bayes估计,并证明了相应的估计是可容许的.     

基于无人机实时数据多波次任务规划模型分析

针对导弹部队多波次作战任务规划问题,依据无人机的实时数据,构建了基于路径的多层规划模型,并设计了模型的算法求解流程.使用遗传算法与禁忌搜索混合算法,得出了任务规划中的最优路径规划,并在此基础上进行了冲突的消除.通过仿真案例表明,用无人机协同配合导弹部队作战,实时传输作战数据,能够解决战场信息模糊不确定的问题;使用多层规...     

基于注意力机制的分层次交互融合多模态情感分析

针对基于视频的多模态情感分析中,通常在同一语义层次采用同一种注意力机制进行特征捕捉,而未能考虑模态间交互融合对情感分类的差异性,从而导致模态间融合特征提取不充分的问题,提出一种基于注意力机制的分层次交互融合多模态情感分析模型(hierarchical interactive fusion network based on attention mechanism, HFN-AM),采用双向门控循环单元捕获各模态内部的时间序列信息,使用基于门控的注意力机制和改进的自注意机制交互融合策略分别提取属于句子级和篇章级层次的不同特征,并进一步通过自适应权重分配模块判定各模态的情感贡献度,通过全连接层和Softmax层获得最终分类结果。在公开的CMU-MOSI和CMU-MOSEI数据集上的实验结果表明,所给出的分析模型在2个数据集上有效改善了情感分类的准确率和F1值。