SAm级防撞活动护栏碰撞仿真分析

针对目前高速公路中央分隔带开口处活动护栏防撞等级较低的问题,提出了一种SAm级混凝土活动护栏及一种新型连接装置.基于有限元的方法,建立车辆与护栏的碰撞模型,通过LS-DYNA对车辆与护栏碰撞过程进行求解,根据不同车型的碰撞结果分别在缓冲,阻挡和导向性能上对护栏的安全性能进行评价,其中小型车辆与护栏碰撞后的OIV(Occ...     

Efficient and power-awareness query over sensor networks

Sensor networks consisted of low-cost, low-power, muhifunctional miniature sensor devices have played an important role in our daily life. Light and humidity monitoring, seismic and animal activity detection, environment and habitat monitoring are the most common applications. However, due to the limited power supply, ordinary query methods and algorithms can not be applied on sensor networks. Queries over sensor networks should be power-aware to guarantee the maximum power savings. The minimal power consumption by avoiding the expensive communication of the redundant sensor nodes is concentrated on. A lot of work have been done to reduce the participated nodes, but none of them have considered the overlapping minimum bounded rectangle （MBR） of sensors which make them impossible to reach the optimization solution. The proposed OMSI-tree and OMR algorithm can efficiently solve this problem by executing a given query only on the sensors involved. Experiments show that there is an obvious improvement compared with TinyDB and other spatial index, adopting the proposed schema and algorithm.     

基于上下文的移动Web Services

文章为Web Services提出移动环境中的优化方案———基于上下文的移动Web Services。根据获得的客户端的上下文信息处理SOAP消息,得到精确的结果;上下文类型的扩展无需根据下层结构的差异进行修改。由基于上下文的Web Services或Context Services处理请求,减少带宽消耗,优化信息供应,以满足移动通讯的要求。     

无线传感器网络MAC协议的节能机制研究

由于无线传感器网络节点使用干电池和纽扣电池供电的特点,限制了网络节点能量的使用。而传感器网络中能量的控制主要由MAC层和路由层完成,MAC层相对于路由层对能量的控制更为直接和频繁。文章分析了传感器网络的MAC协议中能量消耗的各种原因,并针对各种原因提出了相应的解决办法,可以较好地延长网络的使用寿命。     

An ensemble of LSTM neural networks for high‐frequency stock market classification

We propose an ensemble of long–short‐term memory (LSTM) neural networks for intraday stock predictions, using a large variety of technical analysis indicators as network inputs. The proposed ensemble operates in an online way, weighting the individual models proportionally to their recent performance, which allows us to deal with possible nonstationarities in an innovative way. The performance of the models is measured by area under the curve of the receiver operating characteristic. We evaluate the predictive power of our model on several US large‐cap stocks and benchmark it against lasso and ridge logistic classifiers. The proposed model is found to perform better than the benchmark models or equally weighted ensembles.     

考虑交付质量和交付期约束的移动应用供应链决策与协调

针对由ERP厂商、APP厂商与客户企业组成的移动应用供应链,考虑客户企业对软件质量与交付时间存在约束,ERP厂商的售前服务会影响软件开发质量等问题,构建了基于软件质量与交付时间的收益模型,分析了分散与集中决策下双方的最优决策策略以及APP厂商的售后维护成本分担比例与应急成本对双方决策水平的影响,比较了两种决策下对应的合作绩效,提出了双向成本分担与提前交付奖励的供应链协调策略.研究表明:随客户企业的质量感知度增大,ERP厂商通过适当延长交付时间产生的质量改进效应大于延长交付期产生的负效应,使总效应增加;当客户企业的交付期敏感程度小于临界值时,ERP厂商可通过交付高质量软件产品提高自身利润,当交付期敏感程度大于临界值时,可通过提前交付提高自身利润;通过对供应链进行协调,可使原本因无法满足客户企业对质量与交付期的要求而使双方放弃合作的情形变得可合作,使原本可合作时双方的合作绩效与利润更高;当APP厂商独自承担售后维护成本时,实施供应链协调产生的价值大于双方共同承担时对应的值.     

基于生成对抗网络的信号调制方式的开集识别

为解决信号调制方式的开集识别问题,基于生成对抗网络提出了一种适用于一维信号数据的重构判别网络模型,该模型由重构网络和判别网络组成,分别用来重构和判别输入信号。两个网络在相互对抗的训练过程中,对已知调制方式信号的数据分布形式充分学习,使得重构后的输出不仅能够呈现已知调制方式信号更多有用的信息,而且能够扰乱未知调制方式的信号,从而增强判别网络对输入信号调制方式的判别能力。仿真结果表明,该模型能够实现信号调制方式的开集识别,而且在信噪比大于0 dB时,对已知调制方式和未知调制方式信号的识别率均大于93%。     

基于深度贝叶斯网络学习的不确定性建模方法

战场态势评估涉及很多不确定因素,对不确定性进行仿真建模能够提高态势评估的能力。针对参战对象多元、不确定性增多导致的无法全面准确表达不确定性问题,提出了基于记忆模块和变分自编码器的深度贝叶斯网络模型。采用生成模型设计了基于深度贝叶斯网络学习的态势评估模型;阐述了融合记忆模块的深度生成模型原理和模型的学习与推理过程;以某空袭行动为例构建贝叶斯网络,对所提方法进行了验证。结果表明:深度神经网络能够逼近隐变量的非线性变换,设计的记忆模块能存储深度神经网络提取的大量局部特征,通过学习自动得到了贝叶斯网络条件概率,增强了不确定性建模能力。     

基于烟花算法的基站群协作计算卸载模型研究

车联网、AR、AI等计算密集、时延敏感型应用迅速发展,而移动设备因自身计算能力相对不足,执行此类应用任务时会因高时延而严重影响用户体验甚至无法满足用户需求。针对此问题,提出综合考虑时延与成本的多用户、多MEC (mobile edge computing)服务器的基站群协作计算卸载模型。并提出基于凸优化的改进烟花算法（improved fireworks algorithm based on convex optimization, CVX-FWA）来对模型进行求解,对用户任务进行合理的卸载与资源分配。仿真结果表明,提出的计算卸载方案有效降低了任务总时延成本值,实现计算卸载资源的整体优化配置。     

UCLINUX下自主移动机器人运动系统设计

设计了在嵌入式操作系统UCLINUX下的自主移动机器人运动系统。该系统主控制器采用了ARM7微处理器,操作系统使用UCLINUX,利用脉冲宽度调制(PWM)技术对直流电机转速进行控制。详细介绍了UCLINUX下电机控制器的设备驱动程序设计和移动机器人基本动作的应用程序设计。该系统已经应用于一个移动机器人原型中,能够成功地实现各种动作。