摘要：正当先进的计算机程序运用从建筑实践的边缘向核心部分发展的时候，一种新的典范出现了。在此范围上的应用，首次将计算机作为一种分析的工具用于设计的核心过程。新一代建筑师们的工作和思考都借助了计算机的分析力度，他们正书写着新的设计规则。他们使用结构运算、环境模拟和各项专门法规，在项目中推行逻辑性的流程。设计重点正在从设计“物体”转移到设计“设计物体的过程”。这篇文章将通过对几个近期项目的案例分析．来阐释在som出现的这种新典范。

摘要：在设计师品牌集合店somSTORE的室内设计中,“×”是一个与时尚有关的、贯穿整体的概念元素。它代表着很多可能性,概念店×本地时尚、内向×外向、本土化×国际化……somSTORE是一个概念店,展示了来自斯洛伐克和捷克时尚设计师的作品。内向型×外向型。somSTORE是一个涵盖各种品牌和设计师的多品牌店,其建筑解决方案是为了让每个时尚设计师都有自己独立的空间。在店内,设计师采用内向型和外向型主题,通过转动墙壁,客人穿行其中,空间将逐步展示每个设计师的系列。

摘要：以成都市主要流域为例,阐明和辨析其河流水环境质量时空变化趋势和污染特征,为特大城市的生态环境保护决策提供依据。基于2011~2020年成都市河流75个监测断面22项指标的逐月数据,采用内梅罗污染指数法和som聚类法,通过多元统计分析手段,研究成都市河流水质状况和时空变化特征,并分析其潜在的污染来源。结果表明,75个监测断面中45个“清洁”,5个“较清洁”,1个“轻污染”,21个“中污染”,无“重污染”;“十二五”期间污染断面比例为~36.9%,“十三五”期间污染断面比例由43.0%大幅度下降至2.7%,说明成都市水环境管理与治理措施卓有成效;610个断面年均数据可分为8组,中下游水质普遍较差且差异大,COD_(Mn)、COD_(Cr)、BOD_(5)、NH_(3)-N和TP是研究区域主要污染因子。成都市河流水质深受人类活动干扰,农业面源、生活污水和畜禽养殖废水污染问题是持续改善成都市水环境的重要任务。

摘要：近年来,中国政府和业界领导已对智能性和可持续性兼备的未来城市发展作出意义深远的承诺。而承诺的核心是以科学为基础的城市功能布局所造就的"近距离(尺度)"城市,它们既能互为补充,又能同时推动经济、社会和生态发展。中国在天津滨海新区的努力,已朝这一承诺大步迈进。2007年春,som建筑事务所芝加哥办公室接受委托,为一片27km^2的区域编制总体规划,旨在将这一昔日的工业用地转型为繁荣新城。通过活跃的中心商务区、完善的公共交通网络、综合功能的社区邻里以及壮丽的滨河公园,som的规划将滨海新区中心商务区定位为全球精英城市网络中的一员——将其发展为经济成功的象征、绿色开发的模范以及容纳健康和可持续生活的载体。

摘要：世界音乐人工智能大会( somI:Summit on Music Intelligence)于2021年10月22日至 24 日在北京召开。大会由中央音乐学院、中国人工智能学会主办。国际物理学家、诺贝尔物理学奖获得者李政道先生为大会题词祝贺:科学与艺术的交融,艺术与科学的盛会,祝世界音乐人工智能大会圆满成功!大会开幕式暨交响音乐会于22日晚在中央音乐学院歌剧音乐厅举行。大会执行主席、中央音乐学院音乐人工智能系主任李小兵主持了开幕式。

摘要：为研究春季期间不同交通量下道路雨水径流污染特征,对九江市典型道路雨水径流进行采样检测试验。结果表明,总体而言,交通量对于道路雨水径流污染有显著影响,交通量越大的道路其径流污染程度越高;通过som神经网络半定量可视化分析及Pearson定量分析验证表明,道路雨水径流中COD、TP主要以颗粒物结合态形式存在,而NH_(3)-N、TN主要以溶解态形式存在;各道路各场次降雨均存在较为明显的初期冲刷效应,且交通量越小的道路初期冲刷系数F(F_(30))越大;通过som神经网络聚类分析辨别各污染指标的影响因素发现,降雨量是污染指标的主要影响因素,与各污染指标呈较强的负相关,其次要影响因素为雨前干期,与各径流污染指标呈较弱的正相关;可使用Sartor-Boyd冲刷模型对于道路径流中污染物变化进行拟合,便于后期城市道路雨水径流污染排放的模拟与预测。

摘要：Q1:som是上个世纪九十年代第一批进入中国市场的国际建筑事务所,您能否简单回顾一下som在此期间的成长和转变?放眼未来,som又是如何规划未来十年在中国的发展?傅萱:作为一家国际性的、有着多专业设计服务的建筑设计事务所,som在过去的四十多年里,在中国与当地政府、开发商及其他顾问公司精诚合作,将跨专业综合设计方法运用到各种规模的项目设计中,在契合国家制定总体发展目标的同时,共同创造可持续发展的城市环境。

摘要：服务质量预测在服务计算领域中是一个热点研究问题.在历史QoS数据稀疏的情况下,设计一个满足用户个性化需求的服务质量预测方法成为一项挑战.为了解决这一挑战问题,提出一种基于som神经网络的服务质量预测方法 somQP.首先,基于历史QoS数据,应用som神经网络算法分别对用户和服务进行聚类,得到用户关系矩阵和服务关系矩阵;进而,综合考虑用户信誉和服务关联性,采用一种新的Top-k选择机制获得相似用户和相似服务;最后,采用基于用户和基于项目的混合策略对缺失的QoS值进行预测.在真实的数据集WS-Dream上进行了大量实验,结果表明,与经典的CF算法和K-means算法相比,该方法在较大程度上提高了QoS的预测精度.

摘要：公司简介Skidmore，Owings ＆ Merrill LLP（som）建筑设计事务所是美国最大的建筑师--工程师事务所之一。1936年由Louis Skidmore，John ***和Nathaniel Owings在芝加哥创办。

摘要：过程危险分析的主要目标是识别危险剧情。危险剧情能够表达团队'头脑风暴'安全评价过程也能表达评价结论。危险剧情的知识本体是标准化过程安全分析信息的准确描述。知识本体是概念表达的明确规范。依据设计知识本体所遵循的规则提出了一种过程安全分析信息标准化方法,称为剧情对象模型(scenario objectmodel,som)。som能够表达安全分析信息的内容和结构,能够实施计算机自动推理和半定量计算。应用知识本体som有效实现了计算机辅助自动安全评价和安全信息的传递、复查和共享。