摘要：动作识别被广泛应用于诸多领域,如智能监控、人机交互、智能医疗、机器人技术等。近年来,随着智慧城市建设的不断发展,人类动作识别的相关研究越来越受到学术界的关注。然而目前的基于神经网络的动作识别算法普遍存在着准确率低,鲁棒性差等问题。虽然这种传统的方法取得了良好的效果,但这种方法的效果与实际应用之间依然存在差距。为了进一步解决这些问题,设计了一个更有效的动作识别模型,即基于软邻接的时空图卷积神经网络的动作识别算法(spatial temporal soft adjacency graph convolution network, STS-GCN)。首先,将图卷积网络扩展到时间域,并在骨架节点之间引入潜在的相邻关系,从而可以自动学习空间时间维度上的隐藏动作信息;其次,模型引入了一种简易的空间注意机制,使其具有鉴别具有判别力的空间区域的能力,从而获得更好的识别效果;最后对该模型在NTU-RGB+D数据集上进行了实验。实验结果表明,与其他几个现有模型的结果相比,模型测试的识别准确率有所提高。这说明了引入软邻接矩阵的时空图卷积神经网络有利于模型提高动作识别算法的效果。

摘要：嵌入系统在严格的时间约束(外部约束)下连续地与外界环境相互作用,把这些外部约束转换成系统任务的时间预算(内部约束)是非常重要的。知道这些时间预算能降低系统设计与验证问题的复杂度,并有助于设计者对系统的功能和时间正确性从设计的一开始就能同步地控制。转换用系统的任务结构和从环境对系统的输入刺激的频率推导系统中每个任务的频率,推导出的任务频率被用来推导和验证其余的内部和外部约束。提出了一个广义任务图模型去表示系统的任务结构,并给出了推导和验证系统时间约束的方法和一个把它们融合在一起的硬件/软件协同设计方法。

摘要：在实时系统中,检查任务执行的计划是否满足要求的时间约束称为可调度分析。通过把时间特性与其他行为特性分离,提出了一种以时间Petri网建模的实时系统调度分析方法。如果特定任务的执行是可调度的,则可以计算任务执行的时间跨度,否则确定出不可调度的变迁以便于调整时间约束和纠正设计错误。提出了一种通过把复杂的任务序列分解成一些子序列来进行可调度性分析的综合时序分析技术,它不仅提高了效率,也有助于关于调度的可达性问题的讨论。讨论了柔性制造系统FMS中的车间装配子系统的可调度性。

摘要：网格服务管理是网格计算的核心问题。通过对于目前网格服务管理体系架构的三种模型进行分析和比较,基于开放式服务体系架构(OGSA),探讨了网格服务管理系统的功能需求,进而设计了一种层次化的网格服务管理模型HGSM,描述了模型的工作流程。将网格服务管理分为任务分解、静态调度和动态调度三种层次,讨论了HGSM的各个层次的相关功能模块,以有向无环图和高级随机Petri网分别对于任务分解和服务调度提出了相关算法,算法中的可实施谓词、随机开关、实施速率等描述可以直接在SPN求解软件的编程中实现,从而为构造一种层次化的网格服务管理模型提供一个可实现的有效途径。