摘要：基于关键帧技术的运动捕获数据驱动人体动画,因其捕获的数据具有高度逼真性和实时处理能力使之成为应用广泛的人体动画方法。对现有基于运动捕获数据的3维人体动画关键帧技术进行了系统分析和阐述,介绍了运动捕获数据及其表现形式,从捕获数据的角度分析并比较了基于自适应采样的关键帧提取技术、基于运动速度控制的关键帧插值技术及基于运动特征和运动模型的关键帧检索技术,对3维人体运动关键帧技术中的难点问题及进一步研究方向进行了展望。

摘要：该文旨在借鉴澳大利亚远程教育质量保证体系,提出我国远程教育发展策略。文章在剖析远程质量保证内涵的基础上,运用文献法、历史研究法对澳大利亚远程教育背景进行分析,从远程教育专业组织的作用与功能、政策制定、资金投入等方面对远程教育质量的政策与措施进行研究。澳大利亚远程教育快速发展得益于对远程教育质量的重视,这主要体现在以下几个方面:成立了各类远程教育专业组织指导和监督远程教育;各级政府出台了一系列与质量相关的政策,制定了质量标准的指导方针和框架;政府非常注重远程教育的投入,开发和设计了很多扶持远程教育与培训的资助项目。澳大利亚远程教育质量保证体系为我国远程教育发展提供了诸多借鉴:我国应该建立远程教育质量保证机构,发挥行业协会、教育技术协会等非营利组织的作用,出台远程教育质量保证标准,定期对开展远程教育的教育机构进行评估;应该建立灵活的投入机制,确保远程教育获得充足的资金支持;应该开发远程教育专项项目,扩大远程教育辐射范围,提高远程教育的服务功能。

摘要：三维岩心可视图像能直观、真实和准确地反映岩石在空间的分布情况,而CT扫描成像法建立数字岩心的准确度最高,最接近真实。为此,利用Micro-CT成像技术采集岩心切面在不同时刻的CT扫描图像,运用改进后的Marching Cubes算法,给出构建数字岩心的方法,将所构建的三维数字化岩心成像,从而实现岩心孔隙结构模型的可视化。阐述了MC算法的基本原理,并通过该方法建立了2块砂岩样品的数字岩心。三维数字岩心重建试验结果表明:基于Marching Cubes算法的数字岩心建模方法能更好地对岩石切片进行重建,且耗时较少、精度更高。研究结果验证了新建模方法的有效性与先进性。

摘要：提出一种提高超高频高维线性运算能力(UCP)的方法,描述了智能体模仿白细胞的分化抵御现象、计算自分裂最优数量的过程.首先,通过计算时间缩减率筛选和归类影响UCP的重要因素,并以此构建标准宿主环境;其次,模拟微绒毛的逻辑结构设计环境探测器,并讨论不同条件下智能体自分裂最优数量的计算方法;然后,为准确描述宿主环境的线性运算能力,提出一种基于超越数精度计算的评价方法,并分析了不同测试函数对目标基函数的适用度;最后,通过计算准纳米晶体结构内弱互斥力的作用验证了所提出方法在运算时间、资源损耗等方面具有明显改善.

摘要：信息整合一直是困扰各个行业领域的一个难题,本文重点研究了两大问题,一个是站在行业领域角度,采用MDR国际标准规范化行业领域概念系统模型;另一个是将它作为顶层全域统一访问的数据模型标准,并结合MFI系列标准实现对分散的、异构数据源的整合与共享。首先,提出凡是与行业领域数据标准化相关的内容均来源于行业领域概念系统模型的观点,并认为它是行业领域其他一切数据标准的核心与基础。其次,利用ISO/IEC11179系列标准实现对概念系统模型规范化,并将它作为行业领域信息共享的顶层全域数据模型,从而解决传统的m:n的接口问题。接着,对于多种异构遗产数据模型,采用ISO/IEC19763系列标准实现对信息模型和异构信息模型向顶层全域概念系统模型映射的注册。然后,基于这些关键技术,本文提出了融入了国际标准的一个三层架构的数据共享集成模型,在该技术架构中,全域概念系统模型与底层数据源中的任何一个信息模型都无关,它是一个独立的第三方数据模型,它可以有效屏蔽底层各种异构的数据源,为信息整合奠定了重要基础。最后,为验证所提出的三层共享数据集成模型,结合油田领域现有的几个异构数据模型设计并开发了原型系统,结果验证了所提出的三层技术架构模型的合理性、规范性以及科学性。为行业领域实现数据的整合提供了标准依据,由于集成架构模型全部采用国际标准进行实现,由此可见它的先进性与普适性。

摘要：为提高神经网络的逼近能力,提出一种基于序列输入的神经网络模型及算法。模型隐层为序列神经元,输出层为普通神经元。输入为多维离散序列,输出为普通实值向量。先将各维离散输入序列值按序逐点加权映射,再将这些映射结果加权聚合之后映射为隐层序列神经元的输出,最后计算网络输出。采用Levenberg-Marquardt算法设计了该模型学习算法。仿真结果表明,当输入节点和序列长度比较接近时,模型的逼近能力明显优于普通神经网络。

摘要：在实际采集过程中,受地形条件和人为因素的影响,地震数据不仅在空间上会出现采样不足或不规则的情况,而且会混入噪声,不利于后续地震数据的处理和解释。通常将重建与去噪分为两个阶段处理,这样往往会引入额外的误差。为此,文中提出了一种基于条件韦氏生成对抗网络(cWGAN)的地震数据重建去噪一体化方法,该方法研究的重点是在缺失道和噪声的混合干扰下,准确提取地震数据的有效特征。首先,以U-Net模型为基本网络结构来构建生成器模型,分级提取地震数据同相轴特征;在判别器模型中引入条件约束,引导生成器优化梯度方向。其次,建立重建和去噪误差描述模型,该模型设计了一体化损失函数,可以兼顾重建与去噪两方面的处理任务。最后,经过合成数据和实际数据测试,证明文中所提的网络模型恢复的地震数据信噪比更高且具有较强鲁棒性。

摘要：为提高智能优化算法的优化能力,提出一种在Bloch球面上建立搜索机制的新模型,将该模型与鱼群优化相融合,设计了一种量子衍生鱼群算法.在该算法中,鱼群采用基于Bloch球面描述的量子比特编码;采用向量积理论建立旋转轴,采用泡利矩阵建立旋转矩阵,采用量子比特在Bloch球面上的绕轴旋转实现鱼群的移动、跟踪、捕获、聚集;采用泡利矩阵实现量子比特测量,以获得量子比特的Bloch坐标;通过解空间变换可以获得优化问题的实际解.该方法的突出优点是能够同时调整量子比特的两个参数,并自动实现两个调整量的最佳匹配,从而可加速优化进程.实现结果表明,该方法的优化能力比普通鱼群算法具有明显提高.

摘要：为了提高对湿气管道持液率的预测精度,文中对输入参数进行灰色关联熵设计,减少单纯关联度设计参数的波动性影响。其次针对一般樽海鞘算法在寻优过程中易出现“早熟”难题,提出双更新机制的樽海鞘算法。它通过双更新机制、参数微调、猴群跳跃策略、衰减因子调整来改进其寻优性能。最后用新改进算法优化BP神经网络持液率预测模型的权值和阈值,其模型所求预测结果与传统BP算法及其他一般算法优化BP神经网络预测模型的预测结果进行对比。仿真实验表明:文中算法新模型求出的预测精度较高、适用范围广,明显优于其他算法,为湿气管道的持液率精确预测提供了一种新方法。

摘要：传统人工神经网络时间序列预测方法难以表达时间序列中的时间累积效应。为此,提出一种基于过程神经元网络的时间序列预测方法。采用双链结构的量子粒子群对过程神经元网络进行训练,以Mackey-Glass混沌时间序列预测为例进行实验。仿真结果表明,该方法的均方误差比普通神经网络低一个数量级。