考虑信息不确定性的串行迭代时间模型的研究

串行迭代模型中信息不确定性导致任务的迭代返工,增加了任务的总执行时间。针对这一问题,通过对上、下游串行任务执行过程的分析,得出造成信息不确定性的主要原因,确定信息不确定度函数,构建考虑信息不确定性的串行迭代时间模型。进而通过对该模型的分析得到任务间的依赖关系指数和上、下游设计人员间的交流次数对迭代返工时间的影响规律,从而为缩短产品开发过程中任务的迭代返工时间和总执行时间提供了理论参考。以某机械产品的开发项目为例,验证了模型的有效性。

中国外语学习者GP句句法分析模型研究

本文从认知心理学角度讨论中国外语学习者GP句句法分析模型。研究以DO／S歧义句为基点，采用翻译与访谈式内省法相结合的方法发现：中国学习者多使用串行加工模型，甚至不惜“窃用”或局部结构型变以达成串行理解的完整性；串行加工受语义驱动，并行加工受句法驱动；动词类型、词汇信息与结构频率影响加工模型的选择。

串热源模型及其在焊接数值模拟中的应用

通过分析焊接热源的特征要素 ,在高斯热源的基础上 ,根据输入热功率相当提出段热源模型 ,并与点热源结合 ,进一步提出更加灵活实用的串热源模型。经验证明 ,可在保持精度的同时大幅度地缩短计算时间 ,从而使实际构件工艺的模拟、优化成为可行。还利用该模型进行桥式起重机腹板切割工艺的模拟 。

基于概率转移矩阵的串行电路可靠度计算方法

概率转移矩阵(Probabilistic Transfer Matrix,PTM)方法是一种能够在门级比较精确地估计差错对电路可靠性影响的方法,但目前其实现方法只能适用于较小规模的电路.本文引入了电路划分的思想,先把电路分割成一组适宜用原始PTM方法直接计算其可靠度的模块,然后计算出这些模块的可靠度,再依据串行可靠度模型,将所有模块可靠度合成为整个电路的可靠度.本文用实验的方法通过对74系列电路的分析得到了合适的电路分割参数,即分割宽度,再进一步对ISCAS85基准电路进行了可靠度的计算,结果表明新方法可以适用于更大规模的无冗余组合电路.通过与依据美军标MIL-HDBK-217所算得的可靠度的比较,验证了本文所提出的方法的合理性.

基于CNN-ENN的改进串行混合网络及多传感器信息融合的运动意图识别研究

为了提高基于传感器信号的运动意图识别准确度,开展了基于深度学习和多传感器信息融合的运动意图识别方法的研究。首先,在平地、10°上/下坡、上/下楼梯,共5种步态模式下,提取了80名受试者的运动传感器数据,采用非线性降维Diffusion Maps法(DM)对数据进行降维,利用短期傅里叶变化(SIFT)提取数据特征;构建基于卷积神经网络(CNN)和埃尔曼神经网络(ENN)的新型串行混合网络模型(CNN-ENN),并完成了模型的训练;随机选取了5名志愿者参与实验测试。实验结果表明CNN-ENN改进串行混合网络模型对多传感器融合信息的平均识别准确度为95.86%,分别比传统的运动意图识别算法CNN和基于集成学习的加权投票算法(MFR)高10.21%和16.37%。实践表明深度学习模型与多传感器信息融合技术相结合的方法对运动意图识别精度的提高有很好的指导价值。

桥式起重机箱形梁焊接的数值模拟

针对起重机主梁盖板和腹板的箱形梁焊接残余应力及变形复杂等情况,采用有限元方法,选取分段移动串行热源模型、热力耦合及生死单元技术,进行了焊接应力场及变形的数值模拟。结果表明,所采用分段移动串行热源模型加载热载荷的方法,能够较好地模拟实际焊接过程中的热源移动情况,与普通高斯热源相比,网格数量及计算时间明显减少,且计算精度基本相同,模拟出的箱形梁焊接变形与理论分析基本吻合。

基于随机变量相似度的ICA方法

从随机变量(微分)熵的概念出发,定义了随机变量的相似度,讨论了用求相似度极点的方法实现观测数据线性组合非高斯性最大化,从而串行估计独立分量分析(ICA)模型中的独立分量的原理和算法。对非多项式矩定理进行了更为一般化的证明,以此定理为根据阐明了以一般的非二次型光滑偶函数的数学期望近似代替相似度的可行性。给出梯度算法中的符号因子计算公式,避免了现有的相应算法中符号因子计算公式与目标函数之间的矛盾。通过与极大似然ICA方法对比,表明所定义的相似度就是在预白化条件下单个源变量的极大似然函数。

串行生产线模型及面向拥塞的自适应路由算法

串行生产线,可描述成极大代数下的一个线性系统,这个模型也适用于ATM及其他基于速率的通信系统.针对基于速率这一特点,采用周期输入作为系统的控制方法,讨论了系统的利用率、稳定条件和阻塞情况,并以此为基础,设计了一个算法,把路由选择、资源分配和流量控制集合在一起构成一个闭环结构,真正地实现了自适应,从而解决了网络拥塞和资源利用不平衡的问题,并有效地控制了抖动.

英语词汇学习策略心理语言学探讨

在心理语言学中,串行搜索模型和并行提取模型是关于英语词汇提取的两个重要模型。在词汇学习中借助这两种提取模型可以有效地分析词汇之间的相互关系,了解词汇的提取方式,进而根据这些提取方式构建英语词汇学习策略,这样就有助于学生学习英语词汇。

时变信道OFDM系统联合迭代信道估计与符号检测算法

针对正交频分复用（OFDM）系统中由于信道快时变导致的子载波间干扰（ICI），基于基扩展模型，提出了一种时变信道下OFDM系统联合迭代信道估计与符号检测算法。该算法将基于基扩展模型的最小均方误差信道估计算法与一种类似于串行干扰抵消的符号检测方式相结合，并利用插值和滤波过程进一步消除噪声影响，进而通过联合迭代获得较为精确的符号检测结果。同时，利用带状矩阵近似降低算法的计算复杂度，在复杂度与算法性能之间取得比较好的折中。理论分析和仿真结果表明，在快时变信道条件下，这种新的联合迭代信道估计与符号检测算法可有效地提高系统性能。

基于遗传算法的串行迭代过程最优执行顺序的确定

针对任务规模较大与依赖关系较复杂的串行迭代模型中迭代时间求解复杂和最优执行顺序搜索难度大的问题,研究了采用多阶段混合迭代时间计算模型简化串行迭代时间的计算和采用遗传算法优化任务执行顺序的方法。并以智能割草机的设计过程为例,说明该方法的有效性。