摘要：采用三维制作软件Maya的nCloth模块制作三维服装模型动画,实现服装设计的虚拟动态展示.首先创建角色模型并制作控制骨架,再创建服装模型并贴图,最后采用nCloth模块实现动态模拟.通过实例演示了如何在电脑中呈现动态的服装设计展示,并通过制作过程分析了现有技术在实现这一目的时的局限性及发展前景.

摘要：在基于FPGA的软硬件协同设计中,对硬件面积和延迟时间进行快速准确地评估是快速生成片上异构多处理器系统的关键步骤.使用传统的逻辑综合工具将会耗费大量的时间才能获得面积-时间的度量值,导致在软硬件协同设计流程中,抑制了设计空间的有效探索.本文关注将C程序映射到FPGA,对寄存器数量进行快速和准确的评估.提出的技术以高级综合工具Leg Up和底层虚拟机LLVM为基础,利用信号位宽优化信息、特殊指令信息以及编码方式对寄存器进行评估.实验结果表明,该技术能够对CHStone基准测试程序进行寄存器数量的评估;以Altera CycloneⅡ和StratixⅣFPGA为平台,实验结果的误差分别只有13.75%和10.48%,与使用Quartus工具的逻辑综合运行时间相比,能够实现84倍的加速.

摘要：CCSL定义的模型可对系统的时间属性进行建模,基于Observer技术,还可对CCSL模型的正确性进行分析。但与顺序图相比,CCSL模型不利于用户理解。利用形式化方法实现了顺序图到CCSL模型的转换并证明了两者的互模拟关系。这在一定程度上扩大了MARTE在软件设计中的应用范围和效率:用顺序图对系统的动态行为进行建模,使用户和设计者对系统行为达成一致;将顺序图转换成CCSL模型进行分析,以保证模型的正确性。

摘要：针对群组推荐仅关注推荐准确度的不足,提出一种引入长尾物品的群组推荐算法.由于长尾推荐会降低推荐系统的准确度,算法将群组推荐建模成多目标问题,以群组用户满意度和物品流行度为目标函数,设计适合多目标推荐问题的编码、交叉、变异等免疫算子,采用免疫多目标算法优化长尾群组推荐.在公开数据集上的实验结果表明,所提算法在保持群组推荐准确度的同时,提高了推荐结果的多样性和新颖性.

摘要：针对冠状动脉系统混沌同步问题,系统模型受到有界但未知的不确定干扰条件下,利用几何齐次性理论和积分滑模面设计高阶滑模自适应控制器,使响应系统在有限时间内跟踪驱动系统,该方法无需提前预知扰动边界.采用Lyapunov理论对闭环系统进行分析并证明该控制器保证该系统能够在有限时间内镇定,从仿真实验结果可以看出所设计的控制器在不确定干扰的情况下系统具有良好鲁棒性和未知参数的自适应性,为能够有效治疗心肌梗死等冠状动脉疾病提供了一定的理论依据.

摘要：【目的】针对当前联盟数据在进行知识发现过程中存在的问题,设计联盟数据可视分析系统模型,实现对历史信息的采集、挖掘和可视化分析。【方法】构建联盟数据可视分析系统模型,搭建大数据平台,验证模型的可用性。【结果】实验结果表明,系统能够很好地对海量历史数据进行可视化分析,并支持决策分析。【局限】目前的可视分析结果视图还可以进一步丰富。【结论】该系统可以对联盟的历史数据进行可视化分析,为决策者提供科学化的数据支持。

摘要：智能优化算法作为解决大规模集成电路芯片设计中布图规划问题的经典方法已被研究多年。结合异构三维片上网络布图问题的具体特点,采用B*-tree间接描述布图问题中的解结构,针对模拟退火收敛速度慢、优化效率低的缺点,对搜索策略和概率性的劣向转移作出了改进,并将改进后的模拟退火思想引入粒子群优化算法中,使结合后的算法结合了粒子群并行计算的特点和模拟退火能够实现全局优化的特点。通过仿真实验验证,所提出的该混合改进算法在解决布图问题中要优于传统模拟退火算法。

摘要：三维片上网络在多种性能上均优于二维片上网络,已成为研究热点。布图算法直接影响芯片的面积和布线长度,成为三维片上网络优化设计的重要方向。提出一种基于离散粒子群算法的三维片上网络布图优化算法,与之前常使用的模拟退火算法相比,不再使用单一解局部扰动的方式得到整个解空间,该算法采用初始化随机种群并不断迭代的进化方式,具有更优的搜索能力和更快的收敛速度。仿真结果表明,采用该算法选择布图方案可以显著降低微片延迟,节省CPU计算时间,尤其是在IP核数量众多的测试用例和高注入率情况下效果更为明显,如对于ami49测试用例当注入率为100%时,基于离散量子粒子群算法的结果和基于模拟退火算法的结果相比,平均微片延迟减少了20.63%,CPU平均时间减少了69.40%。

摘要：人工智能生成内容(AIGC)与传统巫术之间有着相似性,双方均依赖符号系统实现预期效果。巫术通过模拟象征符号产生实际效果,AIGC则通过提示词生成高质量文本、图案和视频。法国社会学家马塞尔·莫斯认为巫术包括行为者、行为和表征,AIGC的生成过程同样涉及特殊的行为者—人类与机器的协作。行为过程有着游戏性和自动性,过程中的不可见,如同巫术中的神秘感,凸显了人机协作的复杂反馈系统。机器记忆在AIGC中扮演着关键角色,通过不断学习和优化提升对人类语言的理解,提示词作为能指,生成内容作为所指,两者在符号转化过程中展示了结构主义语言学的原理。在AIGC时代,艺术创作的主体创意面临挑战,人类需要通过符号系统的历史对比和提高AI模型决策过程的透明度等方式夺回主动权,实现逻辑与灵感的融合。

摘要：蚁群优化算法是解决机器人路径规划问题的有效方式。首先,利用栅格法对场景进行建模,然后再利用蚁群算法寻找简单环境或复杂环境下的最优路径。针对增强的蚁群算法易陷入局部最优解的问题,本文设计了具有负反馈机制的改进的蚁群算法,并以此来解决机器人路径规划问题。该算法利用搜索的历史信息,并通过获得失败经验,指导蚁群在优化过程中探索未知空间。该算法旨在利用负反馈来改善解的多样性,从而获得最优路径。实验结果验证所提改进算法在路径规划问题上有明显优势。