摘要：虚拟现实技术是以计算机为基础,通过高科技手段将虚拟空间与现实世界相融合的一种全新技术,而这种技术能够将虚拟与现实结合起来,并在其中融入多种元素。这种技术最大的特点就是通过计算机来模拟出一种虚拟环境,让用户通过操作设备进入到这种环境中去体验和感受,并且用户也可以通过相关的设备来实现与环境的互动,使其沉浸其中。目前,环境艺术设计中应用了虚拟现实技术,主要是利用虚拟现实技术来进行相应的艺术创作,并借助这种技术可以对实际的场景进行模拟和仿真,能够在不需要实际参与其中的情况下来感受到整个场景,并且通过这种方式可以为用户提供更好的沉浸感和互动性。

摘要：点云数据的无序性、稀疏性和有限性等特点给基于深度学习的点云模型分类带来了较大的困难.现有的面向点云的深度学习网络存在模型架构复杂、训练参数较多的问题,难以适用于实时点云识别任务,为此提出一种轻量级实时点云网络——LightPointNet.首先,基于点云模型的特点及轻量级点云分类网络的设计原则,提出面向点云模型分类的深度学习网络原型;然后,通过控制变量法完成网络参数设置的优化,形成最终的点云网络LightPointNet.该网络结构紧凑,仅包含3层卷积, 1层池化和1层全连接,且其参数个数不到0.07M.实验结果表明,在ModelNet40上,相比PointNet,VoxNet和LightNet,LightPointNet分类精度分别提高了0.29%,6.49%和2.59%,参数量减少了98.0%,92.4%和76.6%;在MINST和SHREC15上,该网络拥有良好的普适性;这些结果充分证明了LightPointNet分类性能良好且计算效率高,具有轻量级、实时性优点,可以部署在嵌入式设备中,在物联网和点云实时处理等方面具有广阔的应用前景.

摘要：为解决云资源配置中存在服务质量(QoS)约束违反频繁、资源利用率不充分、云应用提供商收益低的问题,提出面向云应用提供商收益的最佳云资源配置策略。在该策略中,云应用提供商根据经验得出一定时间内用户访问量的概率分布;借鉴报童模型思想,采用损失期望值最小原则计算最佳云资源配置量;固定价格、分段价格、动态价格是较为常见的云资源计费模式,进而基于上述方法设计出固定价格的云资源配置策略、分段价格云资源配置策略、动态价格云资源配置策略。当用户访问量随机时,通过该策略求得的最佳云资源配置量能够使软件即服务提供商收益最大,能充分利用云资源,在基础设施即服务(IaaS)、平台即服务(PaaS)层面不存在违反服务质量约束。

摘要：针对传统点云分类网络难以充分发挥卷积神经网络优势的问题,提出一种多尺度点云分类网络MSP-Net.首先,基于局部区域划分的完备性、自适应性、重叠性及多尺度特性要求,提出了多尺度局部区域划分算法,并以点云及不同层次的特征为输入,得到多尺度局部区域;然后构建了包含单尺度特征提取、低层次特征聚合及多尺度特征融合等模块的多尺度点云分类网络.该网络充分地模拟了卷积神经网络的作用原理,具备随着网络尺度和深度的增加,局部感受野越来越大,特征抽象程度越来越高的基本特征.最后将该算法应用在标准公开数据集ModelNet10和ModelNet40上,分别取得了94.71%和91.73%的分类准确率,表明该算法在同类工作中处于领先或相当的水平,验证了算法思想的可行性及有效性.

摘要：压缩机叶片截面是由复杂曲线构成形状复杂的平面,它的几何特性是叶片强度、刚度以及动态特性分析的基础参数。针对叶片截面复杂的特点,分析了截面数据,给出了叶片截面曲线拟合、积分和截面几何特性计算的算法;设计了程序实现流程;根据该流程,在MATLAB环境下设计了系统界面、叶片截面曲线拟合程序、几何特性计算程序、程序使用方便。通过实例对程序进行了验证,结果表明程序运行速度快、计算结果精确。

摘要：零样本三维模型分类对于三维形状的理解和分析非常重要.针对当前零样本三维模型分类缺乏相应数据集且准确率低的问题,设计并构建零样本三维模型数据集ZS3D,提供包括41个类1677个非刚性三维模型数据及所有类别的完备属性表征,为零样本三维模型的分类研究提供了数据基准;提出一种面向零样本三维模型分类的深度学习网络ZS3D-Net,通过集成学习子网络有效地提取三维模型的视觉特征信息,通过语义流形嵌入子网络捕捉未知类和已知类视觉特征和语义特征之间的关联性,完成对未知类的识别.在传统三维模型数据集和ZS3D上,ZS3D-Net分别取得了30.0%和58.6%的分类精度,表明其在同类工作中处于相当或领先的水平,验证了其可行性及有效性.

摘要：特征交互在推荐系统领域的广告点击率(Click-Through Rate,CTR)预测任务中至关重要,当前业界做的特征交互往往是基于内积、外积等矩阵变换,这些操作没有引入额外的信息,可以作为衡量两个向量相似性的手段,但作为特征交互的表示不一定是可靠的,许多特征交互无法有效提高点击率预测性能。首先从改善特征交互方式的角度入手引入额外的参数来学习一个映射,假设这个映射能够将两个向量的表征映射成交互的表征。学习映射的过程能够通过元学习(Meta-learning)来实现,故构建一个学习器以函数的方式表征特征交互。另外,不同的特征对不一定采取相同的方式交互,不能通过同一种交互方式得到所有特征对,因此设计一组元学习器(meta-learner)来学习映射函数,引入门控网络(GateNet)学习模型中元学习器的分布,那么不同的特征嵌入可以由一组元学习器得到表征。基于以上两点提出了一种融合多个元学习器并结合门控网络(Multiple meta-learners combined with GateNet,gate-MML)的特征交互算法,通过学习不同特征的联系和差异提高每个特征交互的质量。为了验证所提算法的性能,在xDeepFM模型上采用gate-MML做进一步的特征交互,采用2个真实广告点击率预测的数据集进行实验,并使用Logloss作为损失函数,AUC作为评价指标。实验结果表明与传统的CTR预测模型相比,改进算法提升了广告点击率预测任务的预测性能。

摘要：以流体比容方法和三阶PPM方法为基础,给出了适用于三级气炮超高速发射过程数值模拟的多流计算方法和计算代码MFPPM。利用Sandia实验室一系列的实验装置及其结果对计算代码进行了验证和确认,获得了较好的数值模拟结果(其中最大相对误差为1.07%),同时对冲击波物理与爆轰物理实验室设计的实验装置进行了数值模拟,计算结果与实验结果相差1.04%。为了更好地满足超高压下材料状态方程的测量,提出了一种带汇聚型的改进装置设计,并给出了相应的数值模拟结果。

摘要：采用假定的工件工艺文件和机床作业调度文件作为仿真程序运行的原始数据,通过运行仿真程序得到仿真结果,对运行过程中的生产物流数据进行分析、结果进行记录。从单台设备的运行状态和多设备运行时动作的协调性方面对仿真运行结果进行了分析,验证了柔性制造系统中的生产物流系统模型和仿真程序设计的正确性,以及FMS物流系统规划与组织的有效性。

摘要：利用CFD技术对血泵内部流场进行分析可以大大缩减血泵的研制周期和成本,采用非定常的三维N-S方程和基于非结构网格的有限体积法,利用k-ε湍流模型和滑移网格模型,对一可植入式轴流血泵进行了三维数值模拟,得到满足生理要求的扬程曲线。同时对泵内流场进行了分析,对导流叶片的作用及其对内部流场、扬程的影响进行了探讨,为血泵的进一步优化设计提供了参考依据。