大直径空心光纤压缩性能的研究

采用在薄板中埋入大直径空心光纤的方法进行了压缩性能的实际测试，同时在薄板中埋入形状记忆合金丝，利用其对预设拉伸在热状态下恢复记忆的功能作为特殊的施力源。使用光功率计检测空心光纤光强输出的变化量，并利用静态电阻测量仪检测复合材料本身的变化，依此来判别空心光纤承载压缩的能力。测试结果表明，空心光纤随薄板材料形变输出光功率发生明显的变化。通过实验还证实了空心光纤出现断裂时的性能变化规律。     

有限记忆对金融资产短期价格的影响分析

从有限记忆的角度分析了不完全理性交易行为对金融资产短期价格的影响并建立了相应的数学模型．通过对模型仿真结果的比较分析得出金融市场上即便信息是对称的，但若存在较大比例的不完全理性交易者，那么金融资产的短期价格变化过程与交易者完全理性情形下的短期价格行为有显著的差异；存在有限记忆交易行为情形下的金融资产的短期价格波动较大．此外，由于存在“有限套利”，因不完全理性交易行为引致的短期价格偏差可能得不到迅速纠正．     

一种微计算机视觉装置及其应用

本文介绍了作者设计的微计算机视觉装置的结构、原理及设计技巧。该装置利用复用存储器、数据重构、存储器页面访问等思想很好地解决了图象输入系统中大量数据的快速传送、快慢数据流匹配、计算机可扩展容量有限等关键问题。由于装置内部自己产生时钟和控制时序,故可与计算机并行工作,可充分利用计算机的CPU时间。该装置每幅(帧)图象的空间分辨率为512×512个象素点,采样数据用8bit表示共有256级灰度。文中还介绍了该系统在智能机器人、机械手控制等领域的应用。     

用MSI实现任意逻辑函数的设计方法

本文介绍并提出几种使用 MSI 的逻辑设计方法.这些方法具有普遍性和适用性,应用这些方法不论是组合逻辑问题还是时序逻辑问题均可使用最少的 MSI 实现任意给定的逻辑函数.     

多任务的分时运行作业环境

该文研究ＤＯＳ系统下一个多任务实时处理系统环境的设计，该系统充分利用８０３８６支持的扩展内存，每个作业以覆盖程序的方式装入扩展内存中运行，并对每个作业（覆盖程序）进行调度管理、对输入输出信息以及覆盖程序常用函数库进行管理。此系统应用于证券实时分析系统中，取得了良好的效果。     

ARP协议的课程实验设计

介绍了ARP协议的工作原理及相关知识,通过分析以太网的工作原理,提出了一种更好理解ARP协议原理的课程实验设计方案.     

共轭斜量法及其算法实现

介绍了共轭斜量法的基本思想，并给出了实现其原理的算法．共轭斜量法属于迭代法的一种，它算法简单，存储量少，时间复杂度低，尤其在解大型线性方程组时占有优势．     

以8031单片机为核心的智能存储器系统的设计

利用８０３１单片机数据存储器扩展技术及串行口扩展技术，实现数据的自动采集、存储及传输     

基于全局注意力引导的肺结节分割方法

肺结节的精确分割能有效地辅助医生的治疗诊断工作,但由于不同患者所呈现的肺结节病灶形式多种多样,基于传统专家系统和统计学习的方法难以获得准确的肺结节分割结果。针对这种情况,提出一种由全局注意力引导的注意力机制,达到了从一张完整的胸部影像切片中自动定位并分割出肺结节的效果。该方法首先对目标区域进行肺实质分割,再利用区域建议网络（region proposal network,RPN）进一步缩小感兴趣区域,并生成注意力权重图,最后使用融合了残差网络（residual network,ResNet）与卷积长短期记忆网络（convolutional long short-term memory,ConvLSTM）的结构结合注意力权重进行肺结节分割。将所提方法在肺图像数据库联盟（lung image database consortium,LIDC-IDRI）数据集上进行了全面的评估,结果表明,本文方法分割结果的平均dice得分（标准差）为89.97%（8.9%）,具有出色的分割性能,精度相较其他方法取得一定提升。进一步在相同数据集上将所提方法的肺结节分割结果与4位放射科医生的手工标注结果进行了比较,结果表明本文方法的分割结果与医生们的标注结果的一致性达到了85.81%,相较于医生们手工标注之间的一致性高出了3.39%。     

基于内联关系的方面级情感分析方法

方面级情感分析 (aspect-based sentiment analysis, ABSA) 旨在预测给定文本中特定目标的情感极性. 研究表明, 利用注意力机制对目标及其上下文进行建模, 可以获得更有效的情感分类特征表达. 然而, 目前常用的方法是通过对特定目标使用平均向量来计算该目标上下文的注意权值, 这类方法无法突出文本中个别单词对于整个句子的重要性. 因此, 提出了一种基于内联关系的方面级情感分析方法, 该方法可以对目标和上下文进行建模, 将关注点放在目标的关键词上, 以学习更有效的上下文表示. 首先使用门控循环单元 (gated recurrent unit, GRU) 对方面信息和句中单词进行融合分布式表达; 然后将分布式表达输入到结合注意力机制的长短时记忆网络 (long short-term memory network, LSTM), 通过查询机制来增加内联关系的权重, 最终得到方面级情感分类. 该模型在公开数据集上进行的实验结果表明, 该方法是有效的, 精确度均超过基线模型.