摘要：模型判别技术是验证时序电路的一种重要手段。使用高层次描述的电路设计,往往是由多个相互关联的部分组成,利用此特点,本文提出一种基于模块的层次化建模方法,通过对设计描述进行分析,并结合待验证的性质,达到提高模型判别器性能的目的。实验表明,用这种模型可以实现状态数的有效减少。

摘要：大多数的高等数学远程教学系统缺乏对不同学生学习状况的详细分析,无法对学生的学习效果进行精准预测,所以很难为学生提供个性化教导。基于此,提出基于层次化模型的高等数学远程教学系统设计,硬件设计包括操作系统和服务器的选择;软件设计包括申请注册与注销、学习内容模块、知识多媒体的表示模块、远程测试模块、成绩数据的集成与分析模块。根据实验结果可知,设计系统的平均预测准确率有87.12%,而传统系统平均预测准确率为75.52%,低于本系统,说明通过层次化模型获取的数据规范分析对学生学习行为数据的预测准确性具有较高精度。

摘要：为便捷准确地添加工艺信息,提出了基于加工特征的工艺信息重用方法。利用面向对象的方法创建了工艺信息的层次化表达模型,将加工知识单元分为特征层、加工层和元素层进行组织与管理;创建了预定义加工特征与工艺信息的关联机制,以确保工艺信息的准确获取;分析了各类预定义加工特征的几何信息和边界属性信息,从而构建出特征的表达与组织方法;利用加工特征的匹配策略实现了工艺信息的快速添加,并基于实例验证了所提方法的有效性。该方法的实现可为工艺知识的重用与积累奠定基础,对推广智能化工艺设计的发展与应用具有重要意义。

摘要：本文在简要分析远程教学发展模式的基础上,提出一种远程教学系统层次化模型(DES model),其目的是为了帮助远程教学系统的设计者们根据不同的需要设计具有特殊远程教学环境的教学系统.该模型共有5层,它们是物理层、网络层、传输层、管理层和实施层.每层中有不同的对象,每个对象又有一个或多个方法供设计者使用.详细分析了各层的组成和功能,并进一步讨论了基于模型设计远程教学系统的算法,最后通过设计实例说明此模型的应用.

摘要：为了准确地评估网络安全风险,提高网络的整体安全性,提出了基于实时告警的层次化网络安全风险评估方法。提出了一种包含服务、主机和网络3级的网络分层风险评估模型。在此基础上以IDS(intrusion detection system)作为数据源,以威胁对象价值、脆弱性严重程度和威胁出现的频率作为核心变量,针对威胁攻击对象的不同进行分类计算,通过加权的方式计算网络各层的安全风险值。分别以实验室网络环境及校园网环境为实例,表明了该方法的准确性和有效性。

摘要：为了识别网络文本的情感倾向性,通过分析文本结构以及情感表达的特点,提出了一种基于K-近邻的文本情感分析方法,将整个文本的情感划分为局部情感和全局情感。建立条件随机场模型,确定文本中的局部情感,通过K-近邻算法计算文本的全局情感。实验结果表明,与传统机器学习方法相比,该方法能细粒度、多层次的分析文本的情感,同时能有效提高情感分析的准确率。

摘要：根据多年来计算机组成原理课程的教学实验情况,提出了一种理论与实验教学无缝结合的新方法,在理论教学的基础上,构建随堂验证、独立实验与课程设计的层次化递进式教学模型。利用实践教学深化理论教学,以培养学生的动手能力和学习兴趣为目标,降低理论教学的难度,提高教学质量。同时,从学生的接受能力和实验效果出发,以教学渐进性模型为基础提出了一套完整的针对计算机组成原理课程的教学改革实施方案,该方案已应用到实际教学中,取得了良好的教学效果。

摘要：面向算力网络新兴研究领域,针对其迫切需要提升智能性与精准服务能力的问题,提出了云边端算力资源、网络资源、智能模型及算法协同共生的融智算力网络建设理念,引入了内生智能和业务智能两个层面的智能性。内生智能指算力网络为保障系统准确运行所具备的自感知、自适应、自决策、自学习能力,业务智能指算力网络为增强对行业/应用的适应性所具备的智能资源封装及自主部署能力、业务编排与认知能力。进一步地,设计了层次化功能架构,从基础资源、资源管理、业务编排、运营服务以及系统优化5个层面明确了AI赋能融智算力网络内生智能与业务智能的具体表现。最后,将智能制造及智慧安防两类应用中的3个场景(车间物流、基于机器视觉的质检品控、社区及道路监测)作为仿真实验原型场景,并设计了对比实验组。实验结果表明,应用融智算力网络至车间物流场景中,性能提升幅度与场景规模有关,规划用时提升了约2~50倍,规划结果提升了约2~5倍;基于机器视觉的质检品控场景中,算力设备部署成本下降为原来的1/5、检测准确率提升约4.5%;社区及道路监测场景中,系统的算力部署成本可降低为原来的1/10。

摘要：建模仿真是对C4ISR系统进行分析设计的重要手段。针对C4ISR系统的特点,提出了一种层次化建模的方法,对系统的多层抽象、模型的形式化描述和模型组合等问题进行了研究,最后给出了一个简单的示例。

摘要：语音合成需要将输入语句的文本转换为包含音素、单词和语句的语音信号。现有语音合成方法将语句看作一个整体,难以准确地合成出不同长度的语音信号。通过分析语音信号中蕴含的层次化关系,分别设计基于Conformer的层次化文本编码器和基于Conformer的层次化语音编码器,并提出了一种基于层次化文本-语音Conformer的语音合成模型。首先,该模型根据输入文本信号的长度,构建层次化文本编码器,包括音素级、单词级、语句级文本编码器3个层次,不同层次的文本编码器描述不同长度的文本信息;并使用Conformer的注意力机制来学习该长度信号中不同时间特征之间的关系。利用层次化的文本编码器,能够找出语句中不同长度需要强调的信息,有效实现不同长度的文本特征提取,缓解合成的语音信号持续时间长度不确定的问题。其次,层次化语音编码器包括音素级、单词级、语句级语音编码器3个层次。每个层次的语音编码器将文本特征作为Conformer的查询向量,将语音特征作为Conformer的关键字向量和值向量,来提取文本特征和语音特征的匹配关系。利用层次化的语音编码器和文本语音匹配关系,可以缓解不同长度语音信号合成不准确的问题。所提模型的层次化文本-语音编码器可以灵活地嵌入现有的多种解码器中,通过文本和语音之间的互补,提供更为可靠的语音合成结果。在LJSpeech和LibriTTS两个数据集上进行实验验证,实验结果表明,所提方法的梅尔倒谱失真小于现有语音合成方法。