摘要：Recently, virtual reality and interactive somatosensory technology has become one of the hot issues in the research of computer applications. Leap Motion is a new type of interactive somatosensory devices which bring users senses of immersion efficiently. This paper studies a interactive somatosensory game model based on Leap Motion and implemented with Unity. Based on the two core technology philosophy of Leap Motion, i.e., virtual reality technology and body sense of interactive technology, the design implementation of each sub module of the system and Leap Motion game algorithm are thoroughly addressed. This paper has certain significance for future application of Leap Motion in film, television, and interactive games.

摘要：随着电子产品更新换代,电子废旧产品中的金属材料成为了大量闲置的资源,但在艺术家的手里,这些废弃的金属材料变成了令人惊叹的作品,不仅展示了废弃物的美感,而且反映了社会对于可持续发展的关注。文章主要探究了电子废旧产品中金属材料与装置艺术的联系与思想融合,分析其在装置艺术实践中的应用,以期为环保和可持续发展理念的实施提供新的平台和载体。

摘要：为寻求智能化露天煤矿统一的设计思想和建设内容,确保露天煤矿智能化建设的实效,针对目前露天煤矿山普遍存在的重“软”系统建设,轻“硬”工艺装备变革,重业务系统建设、轻数据价值挖掘,偏离需求片面追求无人化,忽视智能化建设的经济属性等问题,厘定了围绕“人”“设备”“系统”3条主线的建设内容,明确了将露天煤矿智能化程度分为初级、中级、高级3个阶段的智能化分级建设原则,提出了实现矿山全要素、全过程、全生命周期个性化安全稳定运行的露天煤矿智能化建设的总体目标。通过解析露天煤矿生产和智能化建设的特征,提出了工艺为本、分级建设、价值导向、有序推进和虚实共生的智能化露天煤矿总体设计策略,以期指导我国露天煤矿智能化建设系统化、科学化和规范化。基于我国煤矿露天开采技术和工艺装备水平的现状及矿山的现实需求,提出了露天煤矿智能化建设应以工艺作为基本的出发点和落脚点,而并非片面追求少人或无人的发展本质。我国露天煤矿智能化建设的首要任务和核心关键是攻克连续和半连续开采工艺核心装备的卡脖子难题,建立工艺系统机理模型,基于泛在连接技术实现设备群的全面互联和数据的全面采集管理,再进行大数据分析和智能决策。基于工业互联网平台体系架构思想,建立了“感知层、接入层、边缘层、智能化煤矿工业互联网平台层和综合管控平台层”的5层智能化露天煤矿平台架构。感知层实现露天煤矿“人-机-环-管”信息的全面感知;接入层利用智能数据网关模块技术实现感知层数据的实时传输;边缘层依托协议转换技术实现多源异构数据的协议转换、归一化和边缘集成;智能化煤矿工业互联网平台层由物联网管理平台、云计算平台、技术中台、业务中台和数据中台等组成,构建可扩展的开放式云操作系统;综合管控平台层提供了设计、生产、管理、服务等一系列创新性业务应用,实现独立决策与控制、数据共享和系统间的智能联动。构建了智能化技术驱动的露天煤矿智能开采技术的5大主要应用场景,提出了智能化露天煤矿初、中、高三级的建设内容,明确了露天煤矿智能化建设的基本规律,即矿山必须以智能化建设的价值创造为评价准则确定相关建设内容及合理的投入规模,方可形成智能化矿山建设的最终价值。

摘要：图像超分辨率重建作为一个典型的非适定问题一直受到重视,尽管近年来出现了许多行之有效的卷积神经网络超分辨率重建模型,但如何全面挖掘图像先验信息,用以提高重建图像的细节清晰度仍有待深入研究.本文提出一种基于非抽取Wavelet变换的边缘学习深度残差网络单幅图像超分辨重建模型NDW-EDRN(Non-Decimated Wavelet Edge learning using Deep Residual Networks),在图像经非抽取Wavelet变换后获得多冗余信息、平滑及梯度值较小的低频区域和边缘及梯度值较大的高频区域的基础上,将整体网络框架设计为采用不同结构的CNN(Convolutional Neural Networks)模型来对低频子带与高频子带分别进行学习的策略:对低频子带采用稠密跳跃连接的方式整体性学习低频子带间的映射关系;对高频子带采用一种新型的U-net模型,将图像退化过程中所丢失的边缘作为网络的期望输出,通过基于块的跳跃连接来使网络更精细地学习缺失性边缘,从而更加充分、有效地获取图像在退化过程中所丢失的边缘细节信息.大量实验结果表明,该网络模型能够有效提高重建图像的质量,特别在恢复低分辨率图像的边缘信息方面具有一定的优势,在一定程度上弥补了传统CNN网络模型捕捉图像细节信息的不足.

摘要：使用基础托换法来开发既有建筑物地下空间的施工过程可分为桩基托换前、托换后和土方开挖至设计标高3个工况。施工过程中基础托换会使既有建筑物产生二次沉降变形,由此产生的附加内力会影响到上部结构的安全。从托换桩型、托换荷载转移方式以及托换过程建筑位置,介绍了当前的基础托换技术发展情况和技术体系要点。并以上海某地上托换地下扩建工程为例,对其托换方案选型进行比选,结合施工流程探讨如何能够安全及高效的完成工程改造,为类似工程提供借鉴。

摘要：随着量子计算技术的飞速发展以及Shor算法的提出,未来成型的量子计算机将轻易求解大整数分解问题以及离散对数求解问题.由于传统公钥算法如RSA、椭圆曲线问题等其安全性均基于这些数学问题,因此该类算法面临的安全威胁也日益突出.后量子密码算法是为对抗量子计算破解而设计的一类加密算法,在近年来成为密码学研究热点.其中,基于格的后量子密码算法最为学术界广泛研究与评估.目前,密码学已经达成共识,密码算法不仅仅需要考虑算法理论安全性,同时需要考虑实现安全性,包括旁路攻击和故障攻击安全性.本文针对中国密码学会征集的第二轮后量子密码算法AKCN-MLWE提出了一种嵌入式环境下的故障攻击方法.AKCN-MLWE算法是一种基于格的公钥密码算法.本文提出的故障攻击向该算法中使用的数论转换模块(NTT)中的旋转因子注入故障并影响其输出结果.在分别针对密钥生成环节和加密环节进行故障注入后,利用有效的错误输出结果可以分别进行私钥的还原以及密文的解密.同时该故障注入并不会影响生成的公私钥对在后续通信中的使用.但是在对加密环节进行故障注入后,攻击者需要使用中间人攻击方法来维持该次通信.本文也对如何在真实环境下进行故障注入进行了讨论与实用性评估.本文所提出的故障攻击方法,在算法执行过程中仅需一次故障注入即可恢复整体私钥.最后,本文同时提出一种针对性的防御方法,在不影响实现效率的情况下可有效防止该类故障攻击的生效.

摘要：为提升不同网联范围下智能网联车(Intelligent Connected Vehicles,ICV)的换道效率,结合深度强化学习和分子动力学理论,提出一种融合掩码机制和注意力机制的双深度Q网络(MaskAttention-DDQN,MAQ)换道决策模型。首先,在SUMO(Simulation of Urban Mobility)仿真环境中采集网联范围内ICV及人工驾驶车辆(Human Drive Vehicles,HDV)的行驶状态信息。其次,搭建MAQ模型,采用掩码机制和注意力机制方法,实现固定模型输入大小,以及实现置换不变性。第三,为实现车辆间影响程度的数值化,以车辆间相对速度和相对位置为参数,使用分子动力学理论为网联范围内HDV信息赋予权重。最后,分别在不同交通密度仿真环境中对不同换道决策模型和赋权方法进行对比,并测试ICV在不同网联范围(80~330 m,以50 m为间隔)下的换道决策效果。仿真结果表明,以40辆HDV、100 m网联范围为例,MAQ模型比DeepSet-Q模型拟合精度提高了90.2%;分子动力学赋权方法相比线性权重赋权方法总奖励值提高了5.5%,ICV平均车速提高了4.8%;ICV平均车速随着网联范围的扩大,呈现出先增大、再减小、后趋于平稳的变化规律。

摘要：随着基础教育课程改革深入推进,以人为本、学生中心的观念逐渐深入人心,"以学定教"的理念在教学中备受重视,教学设计中的学情分析凸显其教学起点的价值。高中思想政治教学设计中存在认知期望正向化、分析对象笼统化、分析过程主观化、分析结果同质化等问题。产生这些问题的原因主要是"以学定教"理念落实不力、"备学生"环节重视不够、学情分析理论运用不足等。鉴于此,高中思想政治教师在教学设计时可以从关注学生群体和个体、关照学生已有经验以及未来发展需求角度出发,重新审视教学设计中的学情分析。

摘要：随着新型电力系统发展,输电监测文本数据呈现出体量大、增速快等特点,且因行业数据传输协议私有化,导致数据检索性能低,影响输电线路实时决策分析。因此提出了基于MapReduce的输电监测数据智能检索模型。首先,改进了SimHash算法,实现输电线路在线监测文本数据检索向量的高效提取。并引入多属性决策以及综合评分机制,实现目标数据的精准检索,提升数据的检索精度及查全率。其次,针对数据体量大、增速快的特点,设计了基于MapReduce的电力数据检索模型。最后,通过电网实例对比分析,验证了所提方法的检索精度、查全率及检索效率。

摘要：为实现智能楼宇的高效节能,提出一种短期建筑能耗组合预测模型。为在保证模型预测精度的同时减少模型训练时间,通过MI选取对能耗预测有效且关键的特征参数。利用粒子群优化算法(PSO)对长短时神经记忆网络(LSTM)的超参数进行优化,使选择的特征与网络拓扑结构相匹配,提高LSTM模型预测的精度和鲁棒性。实验结果表明,与传统ARIMA、KNR、单一LSTM模型相比,提出的MI+PSO-LSTM模型具有更高的预测精度和更稳定的预测性能。