分布式实时系统中的多Agent调度

以机场航班运营管理系统(flight operation and management system，FOMS)为应用背景，对分布式实时系统中的Agent调度算法进行探讨。在分析实时系统特点的基础上，结合具有定时事件序列特征的FOMS，对定时事件序列进行了形式化描述，建立了分布式实时多Agent。系统的结构模型，并对其结构特点、系统负载能力和常用的Agent实时调度算法分别进行了分析与论述。为解决分布式实时系统中多Agent调度与迁移过程中实时任务处理不问断性和通信可靠性问题，本文提出了事件处理的分级调度策略和多Agent调度的迁移与定位同步算法(Synchronization of agent moving and locating，SAML)，并对其实现机理以及Agent djrectory和Agent scheduler的中介服务在实现SAML中的作用进行了介绍。最后分别对采用SAML和异步迁移算法时事务处理的实时特性作了分析比较。     

一种结合全局和局部相似性的小样本分割方法

针对小样本分割中如何提取支持图像和查询图像共性信息的问题,提出一种新的小样本分割模型,同时结合了全局相似性和局部相似性,实现了更具泛化能力的小样本分割。具体地,根据支持图像和查询图像全局特征和局部特征之间的相似性,提出了一种新型注意力谱生成器,进而实现查询图像的注意力谱生成和区域分割。所提注意力谱生成器包含2个级联模块:全局引导器和局部引导器。在全局引导器中,提出了一种新的基于指数函数的全局相似性度量,对查询图像特征和支持图像的全局特征进行关系建模,输出前景增强的查询图像特征。在局部引导器中,通过引入局部关系矩阵对支持图像特征和查询图像特征之间的局部相似性进行建模,得到与类别无关的注意力谱。在Pascal-5i数据集上做了大量的实验,在1-shot设定下mIoU达到了59.9%,5-shot设定下mIoU达到了61.9%,均优于现有方法。      

基于迁移学习的暴恐图像自动识别

利用人工智能和深度学习技术自动化地分析互联网海量图片,快速、准确地识别有害的暴恐图像并及时处置是反恐工作的重要手段之一。研究了利用深度学习和迁移学习技术对暴恐图像进行分类识别。首先,定义了暴恐图像的主要概念特征,并针对性地构建数据集;其次,针对暴恐图像正样本较少的问题,设计深度神经网络模型和迁移学习方式;最后,基于构建的训练数据集进行模型训练和测试。结果显示:所提方法可以快速、准确地对互联网图片进行分类识别,平均分类准确率达到96.7%,从而有效降低人工检测的劳动强度,为反恐预警工作提供决策支持。      

面向Flash存储器的FAT文件系统可靠性增强机制

FAT文件系统针对Flash存储器使用时,其FAT表存储位置不确定且各个簇之间的擦写次数不均衡,导致其可靠性降低.针对上述问题,提出了两种解决方案,分别是FAT表可控迁移和空闲簇磨损均衡.前者在Flash上预留多个块存储FAT表,每次更新FAT表时在其中选择擦除次数最小的块,预留一个块记录最新FAT表的入口地址;后者在Flash上预留一个块记录FAT表中各个簇的擦写次数,每次分配空间时选择擦写次数小于擦除阈值的空闲簇.测试结果表明,改进后的FAT文件系统能够在可控范围内可靠地存储FAT表,同时有效地均衡了各个簇的擦写次数,这些都增强了FAT文件系统的可靠性.     

基于二维紧凑型四阶格子模型的激波管流动模拟

为了提高格子的稳定性,使用Hermite展开方法,构建了新的二维四阶紧凑型格子模型,即D2Q37A。比较了D2Q37A和与Philippi给出的紧凑型格子模型(D2Q37B)的稳定性。在相同的碰撞频率下,与D2Q37B相比,D2Q37A可以模拟初始密度比更高的一维激波管流动。这表明D2Q37A与现有格子模型相比,具有更好的稳定性。详细给出了适用于高阶格子模型的边界条件实现方式。此边界条件实现方式保留了体现LBM（lattice Boltmann method）粒子特性的迁移 碰撞机制。用以上给出的格子模型和边界条件处理方式模拟激波管流动,得到的模拟结果和解析解吻合得很好。这表明所给出的边界处理方式是可行的。此边界格式同样可以用于其他类型的流动和边界。      

组分迁移特性表征方法的探索

通过研究水、乙醇和卡托辛在HTPB和PEG-TPU 2种材料中的渗透汽化通量,分析了这一参量和组分扩散特性之间的关系,并对其作为组分迁移特性表征方法的可能性进行了探讨.初步研究表明,不同组分在HTPB-1衬层中的渗透通量各不相同,渗透通量依次为乙醇>水>卡托辛,但渗透通量都随测试温度的提高而增加.水在PEG-TPU中的渗透通量远大于HTPB中的渗透通量,据此可为衬层材料的选择提供一定参考.     

跨传感器异步迁移学习的室内单目无人机避障

针对强化学习策略由仿真环境向实际迁移困难的问题,以提高无人机采用无深度信息单目视觉时的行人规避能力为目标,提出一种基于异步深度神经网络结构的跨传感器迁移学习方法。首先,在仿真环境中仅使用虚拟单线激光雷达作为传感器,通过基于确定性策略梯度(DDPG)的深度强化学习方法,训练得到一个稳定的初级避障策略。其次,用单目摄像头和激光雷达同步采集现实环境中的视觉和深度数据集并逐帧绑定,使用上述初级避障策略对现实数据集进行自动标注,进而训练得到无需激光雷达数据的单目视觉避障策略,实现从虚拟激光雷达到现实单目视觉的跨传感器迁移学习。最后,引入YOLO v3-tiny网络与Resnet18网络组成异步深度神经网络结构,有效提高了存在行人场景下的避障性能。     

迁移火花发射光谱在钢铁分析中的应用

本文采用的迁移火花发射光谱分析法用一根电极在人手能及的位置进行取样，解决了机械无法解决的现场问题，突破了单一固体试样法的局限性，实验结果显示，此法完全可用于半定量和近似定量分析，使现场试料的鉴定和混料的鉴别变成了现实，并扩大了化学光谱分析的范围。     

母语文化的负迁移对英语习语学习的影响

习语是一种特殊的语言现象,是语言的精华所在,它反映了一个民族的文化特征。本文探讨了英汉习语间存在的文化差异、中国学生学习英语习语的难点以及如何预防母语文化对英语习语学习的负干扰等问题。     

基于模型迁移方法的高超声速飞行器建模

高超声速飞行器的研发是一个小批量多批次的过程。为了降低实验成本缩短建模周期,引入了模型迁移方法计算具有相似外形的高超声速飞行器的气动参数。首先研究了一种评价飞行器气动外形间仿射相似度的方法,当相似度满足要求时,可使用模型迁移方法计算新飞行器的气动参数。接着基于高超声速相似律,使用基飞行器的气动参数对新飞行器气动参数初次迁移。当初次迁移结果不能满足建模精度要求时,应用偏差校正的方法对迁移过程修正。最后为了消除飞行高度对高超声速流黏性的影响,引入高超声速边界层理论迁移飞行器不同高度上的气动参数。通过对仿真结果的分析,验证了模型迁移方法对具有相似外形的高超声速飞行器建模的有效性。