卡内基梅隆大学的精神遗产

美国有3600多所大学，其中中国人熟知的有哈佛、耶鲁、普林斯顿、麻省理工等，这些名字代表着古老的学术殿堂，在莘莘学子的心中闪闪发光。卡内基梅隆大学因为相对年轻，在中国的知名度还不算高，但这所学校也是顶尖的大学，素有“信息科学的圣殿”之称。

“智能”加持让设计师转型决策者和创意指导者

“智能”赋予设计过程自动化和智能化的能力,能够帮助设计师更高效地解决问题。但这并不意味着设计师可以仅仅通过‘智能’手段完成设计,反而设计师更需要拓宽自身的设计思维,思考更有价值的问题和更加创新的解决方案,将智能技术作为设计辅助工具,处理好自身与智能技术的关系。在“智能”的加持下,设计师实际上更需要做的是转变自身的角色和定位,更多地成为决策者和创意的指导者。

室内电风扇数量及其环境舒适度分析——以同济大学某学生宿舍为例

本文针对学生宿舍安装不同数量电风扇的问题,运用CFD数值模拟方法对其环境舒适度进行模拟,对其产生的室内温度场、速度场、平均空气年龄,以及PMV分布的数据进行分析,提出使室内参数基本达到舒适度要求的改进方案。

RFID技术在供应链领域的应用探究

射频识别技术(Radio Frequency Identification)又被称为RFID技术,是20世纪90年代开始出现的一种无接触式自动识别技术,通过利用射频的方法来进行无接触的双向通信,从而实现对目标对象的自动识别,并获得有关的信息。作为一种新兴先进的自动辨识技术,其在现代物流业中被广泛应用,受到高度关注。文中对RFID技术进行了简单介绍,同时还对RFID技术应用于物流领域的优势进行了分析,并且探讨了该技术在物流行业各个环节的有效应用。将RFID技术应用于物流管理中,不仅可简化货品盘点流程、降低读码成本、避免偷窃及脱销情况发生,同时也便于工作人员进一步掌握货品的具体信息,促进我国物流领域的进一步发展。

基于非时序观察数据的因果关系发现综述

探索和发现事物间的因果关系是数据科学的一个核心问题,其中蕴含着丰富的科学发现机会和巨大的商业价值.基于非时序观察数据的因果关系发现方法能够从被动观察获得的数据中发现变量之间的因果关系,因而在各领域有广泛应用.这一类方法在过去三十年取得很大进展,已经成为因果关系发现的重要途径.文中从因果关系方向推断、高维数据上的误发现率控制和不完全观察数据上的隐变量检测这三个研究热点出发,对现有的因果关系模型与假设、基于约束的方法、基于因果函数模型的方法和混合型方法这三大类方法,验证与测评涉及的数据集及工具等方面进行了详尽的介绍与分析.基于约束的方法主要包括因果骨架学习和因果方向推断两个阶段:首先基于因果马尔可夫假设,采用条件独立性检验学习变量之间的因果骨架,然后基于奥卡姆剃刀准则利用V-结构确定因果方向,典型的算法有Peter-Clark算法、Inductive Causation等,这类方法的主要不足是存在部分无法判断的因果关系方向,即存在Markov等价类难题.基于因果函数模型的方法则基于数据的因果产生机制假设,在构建变量之间的因果函数模型的基础之上,基于噪声的非高斯性、原因变量与噪声的独立性、原因变量分布与因果函数梯度的独立性等因果假设推断变量之间的因果关系方向,典型的算法有针对线性非高斯无环数据的Linear NonGaussian Acyclic Model算法、针对后非线性数据的Post-NonLinear算法、适用于非线性或离散数据的Additive Noise Model等,这类方法的主要不足是需要较为严格的数据因果机制假设,且Additive Noise Model等方法主要适用于低维数据场景.混合型方法则希望充分发挥基于约束的方法和基于因果函数类方法的优势,分别采用基于约束的方法进行全局结构学习和基于因果函数模型进行局部结构学习和方向推断,典型的算法有SADA、MCDSL等,理论分析较为不足是这类方法目前遇到的主要困难.最后,文中还基于研究现状分析讨论了因果方向推断、高维数据上的误发现率控制、隐变量发现、与机器学习的关系等未来可能的研究方向.

近色背景中树上绿色苹果识别方法

为实现大型果园生产中果实产量监控和预测,研究了基于机器视觉的树上绿色苹果识别方法。为彩色相机配备一环形闪光灯用于夜间苹果树的图像采集,设计了以归一化的g分量和HSV颜色空间中H、S分量为特征参数的支持向量机(SVM)分类器和以超绿算子(2G-R-B)为特征的阈值分类器组合而成的混合分类器,实现了绿色苹果在近色背景中的有效识别;针对识别结果中的果实粘连情况,通过计算区域面积以及区域长、短轴之比,识别粘连区域,并对粘连果实区域图像进行欧氏距离变换,进而针对粘连区域距离变换图像采用分水岭算法进行分割,可将大部分粘连果实分开,并最终实现近色背景中绿色苹果的识别与计数。通过对64幅果树图像实验表明,该方法平均识别正确率为89.30%。

基于改进PNCC特征和两步区分性训练的录音设备识别方法

录音设备来源识别是通过分析已获取的数字语音信号从而确定其录制设备的一种技术,属于数字音频盲取证.本文提出了一种基于改进PNCC特征和两步区分性训练的录音设备识别方法,由于音频中的静音包含了完整的设备信息,且不受说话人和文本等因素的影响,因此从静音段提取改进的PNCC特征,利用了PNCC的长时帧分析去除背景噪声对设备信息的影响.在模型方面,以GMM-UBM为基准模型,并通过两步区分性训练调整集内设备模型和通用背景模型,提升模型区分能力.该方法对于30种设备闭集识别的平均正确识别率为90.23%;对于15个集内和15个集外设备的测试,等错误率为15.17%,集内平均正确识别率为96.65%,验证了本文算法的有效性.

核电的公众接受性研究

公众接受性对核电的发展产生过重要影响 ,已引起许多核电国家的重视。本文描述了公众接受性对核电发展的影响 ,阐述了公众接受性的重要研究理论。

基于神经网络集成的多视角人脸识别

人脸在图像深度方向上发生偏转时 ,即使同一对象的人脸图像也会发生极大的变化 .在此 ,将神经网络集成应用于多视角人脸识别 ,所用的人脸特征通过多视角特征脸分析获得 .为每一视角的特征空间各训练一个神经网络 ,并利用另一个神经网络对其进行结合 .利用训练好的神经网络集成进行识别时不仅不需进行偏转角度估计预处理 ,而且还可以在给出识别结果的同时给出角度估计信息 .实验结果表明 ,该方法的识别精度高于根据精确的偏转角度估计信息挑选最佳单一神经网络所能达到的效果 .

基于点特征的序列图像匹配方法研究

提出了用3个向量描述Harris角点方向特征的方法,该算法首先用Harris角点检测得到特征点,并把SIFT算法中使用的特征描述方法引入到特征点描述中;然后利用欧氏距离对点特征进行匹配;提出一种简单高效的排除错误匹配的方法。该算法对数字城市中序列图像匹配具有光照强度、平移、旋转不变性。实验结果表明,该算法匹配准确率较高,具有实用价值。

建筑全能耗分析软件Energy Plus及其应用

介绍了新一代建筑全能耗分析软件EnergyPlus的基本原理、特点和新功能及其与DOE 2的比较 ,并将其应用于某一实际的建筑冷热电联产系统的模拟 。

通过样例和问题解决建立产生式

我们对学生通过例题和问题学习学科知识的问题作了一些实验研究。本文介绍了其中的一项研究结果。结果表明:学生以这种形式进行学习,只要例题和问题安排得合适,学生能较快地和较好地掌握有关知识。学生不仅学会了解决问题,而且能从中总结出某些解题策略和启发式规则,并能调用新建立的启发式规则指导解题,从而加速了解题的进程。 本文还讨论了学生在这种学习情境中的学习过程。依据本实验所揭示的人对符号产生式建立的一般过程和有效的训练示例,为计算机摸拟人的学习提供了某些依据。

不同文化背景汉语学习者跨文化认同研究

以语言、文化、族群、价值观认同为视角,选取美国、印尼和韩国三种不同文化背景下的406名非华裔汉语第二语言学习者为对象,考察了文化背景和语言水平对其跨文化认同的影响。通过问卷调查和数据分析,得出以下结论:(1)美国和韩国汉语学习者对汉语和中华文化的认同均好于印尼,语言认同韩国好于美国,文化认同则美国优于韩国;美国学习者族群认同程度比韩国和印尼要强;在价值观认同上,印尼最强,其次是韩国,最后是美国。(2)总体来说,随着汉语水平的提高,学习者表现出更为强烈的跨文化认同程度。然而,汉语水平对美国、韩国和印尼学习者的价值观认同无明显影响,汉语水平的提高也没有带来韩国学习者族群认同和文化认同的变化。

中国股票市场的非对称效应研究

为检测重大风险事件对我国股票市场影响的非对称效应,运用贝叶斯MCMC推断技术对我国上证综指和深证成指进行了实证研究.研究结果显示:基于t-分布的门限随机波动模型比基于正态分布的随机波动模型能更加合理地刻画经济事件、政治事件和自然灾难对我国股票市场收益和波动影响的非对称特性.并且发现,经济事件、政治事件和自然灾难对我国股票市场收益和波动的影响均具有显著的非对称性.相对而言,政治事件对股票市场收益的影响存在正向杠杆效应,而经济事件和自然灾难却存在反向杠杆效应;经济事件和政治事件对股票市场波动的冲击存在正向杠杆效应,而自然灾难则存在反向杠杆效应.此外,除在牛市环境下利好经济事件和利空经济事件对股票市场收益和波动的影响具有反向杠杆效应之外,其它风险事件在熊市和牛市环境下对收益和波动的影响均具有正向杠杆效应.

汉语字词的短时记忆容量

最简单的短时记忆信息加工理论认为短时记忆有一个固定组块数的容量。为了对短时记忆容量有更进一步的了解,用中文字词的即时回忆数量与英文的结果相对照将是有帮助的。本文对三种汉语材料,两种熟悉水平,两种呈现方法以及两种学习方式进行了控制对照实验。结果表明,以词为组块测量短时记忆容量比以其他单位测量更接近恒定。可是也观察到短时记忆容量随组块复杂性的增加而稍有下降。在机械学习中以其所用时间为测量单位也表现出组块相对恒定。刺激材料的熟悉程度对短时记忆容量的影响未显出大的差别,实验还发现视觉短时记忆容量比听觉大,序列位置分析表明主要在序列位置前部视觉成绩较听觉为好,并对其原因作了推测。

一种自适应文件系统元数据服务负载均衡策略

随着大数据时代的到来,全球信息存储量呈现爆发式的增长,传统的存储系统在存储性能、存储容量、数据可靠性和成本等方面存在诸多不足.近年来,以云计算平台为依托的存储技术得到了飞速发展,成为处理海量数据的重要工具.针对分布式文件系统元数据管理的问题,提出了一种自适应元数据服务负载均衡策略.该策略主要包括以下3点内容:介绍了一种实时的元数据服务器的性能评价模型;提出了一种基于服务器负载变化的检测周期自适应调整机制;提出了一种基于元数据服务器性能指标的自适应负载均衡算法.实验结果证明了该方法的可行性、有效性和稳定性.

中英文语言材料的短时记忆容量

本文考查了用汉字作为刺激材料所进行的十四个有关短时记忆的实验的发现,并提出了一个短时记忆模型说明这些发现,并将该结果与英文的短时记忆研究的文献资料进行了比较。本文将讨论短时记忆容量的组块理论[Chase 和Simon(1973a,1973b);Miller(1956);Simon(1974)]和贝德烈的复诵迴路理论[Baddely(1981,1983);Baddely,Thomson 和Buchanan(1975);Salame 和Baddely(1982);Vallar 和Baddely(1982)]之间的关系,并说明了这两种理论是如何可以兼容的。本文还将为短时记忆材料的听觉的和非听觉编码的作用提供新的证据并举例说明分解成形旁与声旁的汉字及大量的同音字怎样为短时记忆提供了新的研究途径,而这种情况是英语所不具备的。

实时信息处理系统多线程框架的高效设计方法

针对目前的多线程编程模型不能快速有效地解决实时信息处理系统（RIPS）设计的问题，通过对以流水线方式工作的多线程系统进行建模，分析了两种适用于RIPS的多线程模型的时间开销与线程数量、缓冲区数量之间的关系，并基于这两种多线程模型，提出了一种高效的RIPS多线程设计方法。该方法无需过多考虑各线程的设计细节，从而能有效提高多线程RIPS的开发效率，同时保证系统的高效与稳定。在x86通用PC机平台上对该方法进行的仿真验证的结果表明，该方法能够保证RIPS的可靠性和稳定性。与基于MPI搭建的系统的对比测试结果表明，基于该方法搭建的系统具有更高的效率和鲁棒性。

Spark平台下聚类算法的性能比较

通过实验,从运行时间、加速比、可扩展性和规模增长性4个方面比较了Spark平台中3种典型的聚类算法即K-means聚类算法、二分K-means聚类算法和高斯混合聚类算法的性能。实验结果表明:1)随着节点个数的增加,3种算法对百兆以上规模数据集聚类的运行时间明显减少;2)当数据集规模大于500MB时,3种算法的加速比均有明显提高,且随着节点个数的增加,加速比近似于线性增长;3)3种算法的可扩展性随着节点个数的增加而降低,当数据集规模大于500MB时,相对于K-means和高斯混合算法,二分K-means算法的可扩展性最差;4)当数据集规模大于100MB时,高斯混合算法的规模增长性远高于K-means和二分K-means算法。

基于EnKF-3DVar模型的海淀区地表温度模拟

以城市化程度较深的北京市海淀区为研究区,基于2005年、2010年和2015年的遥感影像数据,利用基于影像(IB)的算法反演城市地表温度空间分布。将数据同化算法EnKF-3DVar与CA/Markov模型集成,将海淀区的多年平均臭氧浓度空间分布数据同化进行城市地表温度的模拟预测。结果表明海淀区的城市地表温度10年间呈现先下降后上升的趋势,但总体呈现下降趋势,其中2015年的平均温度为31.139 3℃。引入EnKF-3DVar的预测模型能够显著提升模型的模拟精度,所预测的2015年的数据结果 Kappa系数达到0.821 6。在有城市公园绿地的模式下,地表温度高值区呈现缓解趋势,在无城市绿地公园的模式下,城市地表温度高值区呈现出明显的扩张趋势,最高温度达到了56.142 3℃,城市生态绿地对于城市地表温度的空间分布影响巨大,合理布局城市绿地公园意义重大。