摘要：为了提高定向井硬质地层中的机械钻速,设计了一种短长度全金属的复合脉冲钻井提速工具。该工具能同时产生高频低幅的扭转冲击和轴向脉动冲击,且两种冲击为串联结构。基于所设计的工具特点及工作原理,利用理论分析与数值模拟相结合的方式,分析了扭转冲击压降及水力脉冲结构内部流场域,并对工具样机进行了性能试验。研究表明,该工具中扭转冲击喷嘴尺寸越小,扭转冲击压降越大,近似成二次函数关系;试验中,摆锤两端面会产生压差波动,两端面的压力呈正压差、负压差交替波动趋势,表明扭转冲击能够及时完成换向,推动摆锤往复运动;该工具中水力脉冲能产生轴向脉动冲击,且压降随流量增加而增大,近似呈二次函数关系,同时明确了轴向水力脉冲产生轴向冲击的原理。该工具的研制为定向井的提速提效提供了一种新手段。

摘要：开放网络下分布式深度学习的兴起带来潜在的数据泄露风险.作为分布式模型构建中的重要信息载体,训练梯度是模型和端侧数据共同计算的产物,包含参与计算的私密用户数据信息.因此,近年的研究工作针对训练梯度提出一系列新型攻击方法.其中,尤以数据重建攻击(data reconstruction attack)所造成的攻击效果最佳:仅从深度神经网络的平均训练梯度中,攻击者即可近乎无损地恢复一个训练数据批次的各个样本.然而,已有数据重建攻击大多仅停留在攻击方法设计和实验验证层面,对重要实验现象缺乏深层机理分析.尽管有研究发现,满足特定神经元激活独占性(exclusivity)条件的任意大小训练数据批次能被攻击者从训练梯度中像素级重建,然而,实证研究表明在实际训练数据中满足该条件的训练数据批次比例较少,难以造成实际泄露威胁.为增强上述攻击的有效性和应用范围,提出基于线性规划的神经元激活模式控制算法,为给定训练批次生成微小扰动,从而满足神经元激活独占性,以增强后续数据重建攻击效能.在实际中,通过在端侧节点部署该算法,半诚实(honest-but-curious)分布式训练服务能诱导本地训练批次的训练梯度具有理论保证的可重建性.在5个涵盖人脸识别、智能诊断的数据集上的实验结果表明,提出方法在与原始攻击算法重建效果持平的情况下,将可重建训练批次大小从8张提升至实际应用大小,并提升攻击效率10倍以上.

摘要：提出了一个移动代理模型MEAM (Mobile-ERP Agent Model),改善了现有的移动代理方案连接后台ERP系统兼容性差等问题。关键技术是构造了类似于数据库JDBC思想的ERP连接层的概念,使得MEAM在理论上与后台ERP系统的具体选择无关。在具体实现时MEAM选择了XML、J2EE等流行的技术来保证系统的健壮性和跨平台性。通过对MEAM的设计,还对EJB组件重用技术进行了具体实现。

摘要：传统电子航道图与航标、雾情、水位流量等终端设备数据信息是隔离的,并且往往只能看到二维的航道图。对于航道管理、航道治理部门来说,信息是不直观的,割裂的,滞后的,无法进行有效的利用。本发明要解决的问题就是在三维航道图上叠加实时数据流,发挥航道数据真正的价值,同时提供航道预警的效率,降低事故的发生。

摘要：作为传统局域网的补充和扩展,IEEE802.11得到了迅猛的发展,与此同时无线网络的安全问题得到了广泛的关注。网络安全研究者已经达成共识:无线网络提供了到原有布线网络的入口,和Internet一样,无线网络要当作不信任源来看待。本文描述了一个无线安全网关,它提供多种灵活的安全机制,包括用户认证、授权和加密。网络管理人员可以选择其中某一种或者多种机制来实现其安全策略,而对客户端的要求很少,一般除操作系统自带的软件(包括浏览器、IPsec)外不需要安装新的客户方软件。这使得无线安全网关非常适合用于提供公共的无线接入。

摘要：分析国内外智能航道的发展现状,提出基于水位推算模型、视频识别技术、集成嵌入式GPS芯片、相关硬件设施和交互式操作界面的人工智能监控及助航系统。该系统以岷江(龙溪口—合江门段)为研究对象,通过对水位、船舶和航标等航道动态信息的识别采集和统计分析,实现航道资源管理的智能化,提高航道的监管和运营效率,并为航道主管部门的分析决策提供助益。系统将在加快四川航道的智能化建设和助力交通运输行业实现“碳达峰、碳中和”的过程中发挥积极作用。

摘要：桥群的形成增加了碍航程度,给船舶的正常航行及通航安全带来较大影响。基于概化弯道桥群河道条件,采用船舶操纵运动数值模拟方法,拟定出了概化弯道桥群河段上的桥间距与桥梁净跨间的内在关系。同时考虑实际的河道条件,给出了桥群河段桥间距与桥梁净跨耦合关系的一般形式。利用上述研究成果,分别以四川沱江邓家坝和重庆长江菜园坝桥群河段为例,分析研究了拟建邓家坝大桥桥址与桥跨布设方案的可行性,评估了菜园坝桥群河段的通航环境。

摘要：在机器学习领域,Adaboost算法的实用性和有效性早已被证明.然而该算法原本是为分类问题设计,因而在推荐系统领域研究问题中无法直接应用,对其应用研究相对较少.本文对Adaboost算法进行改进,通过引入阈值,将评分预测问题转化为分类问题,并利用其权重更新的思想训练模型,提出了一个针对评分预测问题的框架,可以将训练出的多个模型集成起来得到最终的评分预测,提高了预测精度.我们选取矩阵分解模型作为基本模型,实验结果表明,使用该框架可以有效提高预测精度.

摘要：在基于活动的社交网络(EBSN)中,群组中聚集了具有相似兴趣的用户,并为用户组织并举办线下活动,在社区的发展中起到了至关重要的作用,因而理解用户加入群组的原因和群组形成的过程在社交网络的研究中是一个重要的议题.本文通过基于活动的社交网络中的一些相关内容信息,比如社交网络中的标签信息和地理位置信息,来辅助推荐系统更好地为用户预测对于群组的偏好.本文提出了SEGELER(pair-wiSE Geo-social Event-based LatEnt factoR)模型,并使用这些社交网络中的信息,来为用户的兴趣进行预测.通过在真实的EBSN数据集上进行实验与验证,本文的模型不仅可以有效提升对于用户偏好的预测,也可以缓解冷启动问题.

摘要：在信息时代,面对浩繁的信息,用户急需高效的推荐系统为他们选择最感兴趣的内容.我们面临的一个重要问题是用户的兴趣会随时间发生变化并且不断有新用户使用系统.因此,一个好的推荐系统需要根据用户最新的少量交互信息及时响应用户兴趣的变化和快速捕捉到新用户的兴趣以更好地满足用户的需求.但是,根据我们的调研,现有的推荐系统方法还没有很好地满足响应性(responsiveness)的需求.为了解决这个问题,我们提出了一套基于元学习(Meta Learning)的响应式推荐系统设计.该方法能够及时响应用户最新的交互信息,同时提高对老用户和新用户的推荐质量.总的来说,我们利用元学习从大量历史交互信息中挖掘出先验知识,使得模型仅仅通过少量新的交互信息快速地学习出用户兴趣,从而满足响应性的需求.我们在MovieLens和Nertflix两个推荐系统中常用的公开数据集上验证了我们方法的有效性.