摘要：图神经网络通过对图中节点的递归采样与聚合以学习节点嵌入,而现有方法中节点采样与聚合的模式较固定,对局部模式的多样性捕获存在不足,从而降低模型性能.因此,文中提出节点级自适应图卷积神经网络(Node-Level Adaptive Graph Convolutional Neural Network,NA-GCN).设计基于节点重要性的采样策略,自适应地确定各节点的邻域规模.同时,提出基于自注意力机制的聚合策略,自适应地融合给定邻域内的节点信息.在多个基准图数据集上的实验表明,NA-GCN在节点分类任务上具有较优性能.

摘要：在交通运输领域,广泛使用新能源汽车是实现碳达峰、碳中和战略目标的重要举措之一,其中,纯电动汽车是新能源汽车中最受关注的类型之一。纯电动汽车在运行中,可以对制动能量进行回收,通过发电机发电将车辆动能转换为电能,并存储在电池中,再次进行利用。该文基于Amesim一维仿真平台,建立某电机后置后驱电动汽车制动能量回收系统基础模型,针对车辆空载、满载两种不同负荷,对其在NEDC、WLTC、JC08这3种典型不同行驶循环工况下的制动能量回收性能进行仿真,分析不同载质量在不同驾驶工况下对能量回收率的影响,以在相似纯电动交通工具的制动能量回收系统设计开发中起到指导及借鉴作用。