摘要：探讨控制性详细规划阶段的城市设计与控规的关系及其主要研究内容,并结合实例具体分析已编控规地段的城市设计方法,从规划设计深化、空间形态优化、道路交通完善、环境景观细化、建筑设计引导等方面进行具体分析,阐述"五位一体的城市设计"理念,并结合规划实施要求,探讨将城市设计内容反馈至已编控规的可行性途径,将城市设计成果推向深入。

摘要：通过对水工建筑物消能工的作用、常用的消能工型式及底流消能易出现的问题的阐述,介绍几种新型消能工的原理、特点及设计要点。

摘要：滨水地区产业园区是城市特定的功能区之一,有其自身特点,必须综合使用滨水地区和产业园的城市设计方法才能解决其面临的问题。笔者梳理了滨水地区的概念、特征及该区域城市设计的原则,提出滨水地区产业园区城市设计的方法,即产业策划和空间设计要同步展开,互相校核,以减少决策成本;用地性质要有兼容性,建筑空间组合应可分可合,以应对灵活多变的市场环境;要做好水文章,以营造具有生机活力、富有地方特色的园区。

摘要：在北方寒冷地区，冬季地基中的水结冰后体积增大，从而使地基主体体积相应增大，因此对基础底面产生向上的冻胀力，基底面积愈大冻胀力愈大。冻胀力轻者使基础抬起产生不均匀变形，重者使基础断裂破坏。例如水闸底板下的冻胀力使间室倾斜，使消力池断裂、桥梁及渡槽弯曲变形等，严重地影响了水工建筑物的正常运行。近些年来，特别是80年代以后，东北及西北的水利工作者针对本地区的特点，研究设计出各种抗冻胀的建筑物基础型式。例如：自锚式一字闸、井式消能、盒式闸枕梁桥等等。由于它们结构轻巧、抗冻性能好、造价低，已得到普遍应用效果较好。在此笔者根据各种建筑物的特点及抗冻胀的原理介绍几种中小型渠系建筑物抗冻结构的型式，以利于在有冻胀地区的灌区配套工程中参考使用。一、自锚式一字闸与井式消能工结合的型式此型式是将自锚式一字闸与并式消能工结合为一体，利用自锚式一字闸垂直防渗与扩大式基础自锚的特点与井式消能工消能效果好及防冻胀的特点结合在一起设计而成，并在井上可设一筛网，取消上游翼墙。这种型式的特点是，将平面结构变成立面结构，使基础座在冻层深度以下，消除了基底面的冻胀力，整个结构长度缩短，减少了侧向冻胀力，且可利用基础扩大板以上的冻胀反力，使基础达到自...

摘要：为了避免可见光的干扰或适应夜间工作环境,人们往往将红外滤光片装在普通相机前进行红外目标的捕捉.近年来,这种加红外滤波片的"组合红外相机"在空间视觉领域得到了广泛的应用.然而,空间视觉需要建立严格的"组合红外相机的成像模型",目前还没有文献对该问题予以关注.针对这一问题,首先从理论层面分析这种组合红外相机的成像模型是否符合针孔模型,进而通过实验分析了相机光心到空间直线的距离、滤光片厚度、空间直线与成像直线的夹角、滤光片折射率4个方面因素对其成像模型的影响.理论分析与实验结果均表明,这种组合红外相机,即使原相机的成像模型为理想的针孔模型,其成像模型理论上已不再为针孔模型.当这种组合红外相机用作相机或物体定位等空间视觉问题时,因为这些应用需要依据严格的相机成像模型,所以这种成像模型的"非针孔性"更应该得到注意,以避免由此导致的系统性误差.文中结论可望为相关研究和应用人员提供一些参考.

摘要：将机器学习方法应用于U-Mo合金等温分解参数的快速设计,以合金硬度为设计指标,基于少量数据建立了合金硬度与上述参数之间的机器学习支持向量机模型。在对硬度预测的基础上,比较了基于预测值和基于预期提高的2类实验设计算法在优化效率方面的差异。结果表明,基于预期提高的实验设计算法通过少量迭代试验能够明显提高合金硬度,而基于预测值的设计算法对硬度提高不明显。应用上述机器学习辅助设计方法,通过4次实验成功地确定了该合金等温分解最佳参数组合为时效温度565℃,时效时间20 h以上,均匀化处理温度为900~950℃,Mo含量为6%(质量分数),在该工艺窗口下处理的合金硬度最高,制粉率最高。本研究对利用机器学习方法快速优化U基合金工艺参数进行了初步尝试,这类基于数据的方法能够有效提高材料研发效率。

摘要：一些文献中报道,即使深度网络的权重参数随机赋值,对应的深度网络仍有一定的分类能力.以AlexNet为模式网络,从3个侧面分析探讨了随机深度网络是否具有图像物体分类能力.首先,将AlexNet的权重随机赋值;然后,对多类不同的图像物体刺激下的神经元响应的表达不相似矩阵(RDM)与原AlexNet的RDM进行了相关性分析,发现这2类RDM具有显著相关性;鉴于深度卷积网络每层的卷积操作为加权求和,且根据中心极限定理,大量随机变量的和近似服从正态分布,进一步分别拟合了在同一输入图像下原AlexNet神经元响应的分布和随机AlexNet神经元响应的分布与高斯分布的拟合优度,并对上述2种优度进行了相关性分析.大量模拟实验表明,对于来自真实世界的样本,对应高斯拟合优度呈现显著相关性.最后,直接利用赋以随机权重的AlexNet输出的高层响应进行K近邻分类,发现其分类精度高于直接对原始彩色图像进行K近邻分类的精度.因此,与文献报道相似,实验结果再次表明随机深度网络的确具备一定的物体分类的能力.

摘要：基于图像的三维重建是计算机视觉领域中一个重要的研究主题.针对目前深度神经网络无法有效剔除多幅图像对应点中的外点的问题,提出一种鲁棒的深度卷积神经网络,用以从多幅图像对应点中准确地恢复场景的三维射影结构.该网络首先把输入的对应点分为多个不同的子集,每个子集独立地进行射影重建;然后通过权重计算层得到每个射影重建的权重;最后通过合并层对这些不同的射影重建加权求和,得到最终的鲁棒的射影重建.实验结果表明,该网络具有较高的重建精度和很强的鲁棒性.