摘要：有工作的无限的供应的一个一般杰克逊网络(GJN ) 被考虑。由液体限制模型，作者发现与工作的无限的供应描述 GJN 的动力学的 Markov 过程是积极哈里斯周期性如果相应液体模型是稳定的。而且，如果平常的交通条件成立，作者证明液体模型是稳定的。

摘要：微架构设计是处理器开发的关键阶段,处在整个设计流程的上游,直接影响性能、功耗、成本等核心设计指标.在过去的数十年中,新的微架构设计方案,结合半导体制造工艺的进步,使得新一代处理器能够实现更高的性能和更低的功耗、成本.然而,随着集成电路发展至“后摩尔时代”,半导体工艺演进所带来的红利愈发有限,功耗问题已成为高能效处理器设计的主要挑战.与此同时,现代处理器的架构愈发复杂、设计空间愈发庞大,设计人员期望进行快速精确的指标权衡以获得更理想的微架构设计.此外,现有的层层分解的设计流程极为漫长耗时,已经难以实现全局能效最优.因此,如何在微架构设计阶段进行精确高效的前瞻性功耗估计和探索优化成为关键问题.为了应对这些挑战,机器学习技术被引入到微架构设计流程中,为处理器的微架构建模和优化提供了高质量方案.首先介绍了处理器的主要设计流程、微架构设计及其面临的挑战,然后阐述了机器学习辅助集成电路设计,重点在于使用机器学习技术辅助微架构功耗建模和设计空间探索的研究进展,最后进行总结展望.

摘要：在演唱、弹奏、吟诵等舞台表演艺术中,演奏者的服饰、手势、表情、眼神、动作、发型以及道具、灯光、舞台、背景等非语言表达元素有着重要的作用。这些非语言表达元素是“新大众传播”理论体系中原始传播的主要符号,具有与语言符号同等重要的文化艺术价值。从舞台表演艺术中的礼仪意象等非语言符号的渊源、现当代应用以及未来的发展趋势出发,探究其潜变、裂变、嬗变过程,深化并升华原始传播在舞台表演艺术中的实践意义,勾画出中国元素、中国特质、中国智慧、中国主张的中国式“舞台原始传播艺术”创想。基于新文科建设背景,首创“舞台原始传播艺术”标志性概念,丰富和拓展新大众传播理论与舞台表演艺术理论的应用内涵与学术边界,突显舞台表演创新实践的文化价值。

摘要：在短期内具有完全自主水平的机器智能无法实现的情况下,人仍是人机系统的重要组成部分。智能系统感觉并预测用户的意图,有助于实现人机之间自然动态地协同,提高人机系统安全和效率。然而,人机交互的过程中充斥着大量模糊、隐蔽的隐式意图,传统的心理或行为分析方法解析意图无法保证时效性和准确性。随着传感技术发展,基于生理信号识别用户意图成为主流方法,但现有关于隐式意图的研究存在可分模式少、识别精度低、面向领域实境研究不足等问题。面向工控复杂系统领域,在生理视域下基于被动脑机接口技术,提出一种将人自然地纳入到智能人机系统回路中的方法。首先,抽取操作者与工业软件交互过程中的典型任务,在多属性任务组(MATB)多任务范式基础上设计意图生理信号诱发实验程序;接着,采用共空间模式(CSP)算法提取多任务意图脑电空域特征;最后,通过被试间交叉验证和5折参数寻优,构建机器学习意图模型,实现对隐式交互意图的自动识别。研究发现,相比传统特征提取方法,基于改良后的多分类CSP算法对意图特征提取更为有效,结合三维空间特征可视化进一步证实了特征的有效性;脑电信号能够作为判断人机交互隐式意图的依据,CSP SVM算法模型能够有效提高人机交互隐式意图脑电的解码性能。对隐式意图信息的转译对构建基于意图的高效人机交互模型,以及发展人机系统、提高人机协作效率具有重要意义。

摘要：针对影响多臂抓取稳定性的接触力不平衡和接触振动问题,提出多臂空间机器人力分配和柔顺控制策略.首先,分析满足多臂稳定抓取的力学条件,基于摩擦锥约束设计抓取力安全系数,并将其引入力优化模型进行抓取力分配,实现目标物体稳定抓取条件下受力最小;然后,分析抓取过渡过程的振动成因,设计基于动能消耗的末端输出力控制策略实现快速振动抑制和柔顺抓取;最后,设计机械臂末端控制律切换策略,一旦在抓取过渡过程中发生接触脱离可引导其快速返回物体表面.仿真结果表明,所提出方法提升了稳定抓取安全裕度,显著降低了机械臂末端的振动幅值、持续时间和接触力,提升了空间机器人多臂抓取目标操作的稳定性和柔顺性.

摘要：为了提高多智能消防机器人系统在复杂火场环境下协同运动的安全性和及时性,提出一种基于动态权重的虚拟领航―领航―跟随法与改进人工势场法相结合的编队避障控制方法。首先,设计一种圆周运动控制律与方位角定位控制律相耦合的协同编队控制器,使各机器人收敛到以虚拟领航机器人为原点形成的圆上的期望位置。然后,对传统人工势场法进行改进,利用一种对数障碍函数建立道路两侧的危险膨胀区域来保障编队行驶在安全区域内,接着通过调整障碍物和道路边界共同作用在机器人上的合斥力方向,使得合斥力方向变为与目标作用的引力方向垂直且远离障碍物的方向,以解决局部极小值和目标不可达的问题。最后,引入动态权重因子对编队控制器和避障控制器进行自适应比值调整。为验证本文控制器的有效性,与传统人工势场法、固定权重的改进人工势场法进行仿真实验对比,结果表明所设计的控制器在收敛速度、跟踪误差和避障效果方面都表现更优。为进一步验证本文控制器的实用性,采用3台智能消防机器人进行物理实验,实验结果表明本文控制器既可以将编队限制在道路可行驶区域内,又可以较好地完成编队避障。

摘要：针对传统硅基电路布局算法在碳纳米管(CNT)密度变化的碳纳米管场效应晶体管(CNFET)电路上表现出时序良率不高的问题,提出一种基于段内关键门的全局布局算法.首先自底向上逐级分析电路各个层级,依次建立门延迟、门树延迟模型,在此基础上结合CNFET电路相关矩阵建立包含延迟均值和方差的段统计延迟模型;然后通过理论分析确定时序良率与段的统计延迟之间的相关关系;最后利用CNFET电路不对称空间相关性,使用网格搜索策略不断迭代调整段内关键门位置,以降低段延迟.在OpenCores中4个测试电路上的实验结果表明,所提算法平均提高了20%的电路时序良率,在执行时间上比CNT密度变化感知的基准方法降低25%,揭示了其在高时序良率要求的大规模电路中应用的潜力.

摘要：联邦学习作为一种分布式机器学习框架,客户端可以在不向服务器传输数据的情况下进行全局模型训练,解决了数据分散和数据隐私的问题.联邦学习可以在具有相似数据特征和分布的客户端上很好地工作.但是在很多场景中,客户端数据在分布、数量和概念上的不同,造成了全局模型训练困难.为此,个性化联邦学习作为一种新的联邦学习范式被提出,它旨在通过客户端与服务器的协作来保证客户端个性化模型的有效性.直观来讲,为具有相似数据特征和分布的客户端提供更紧密的协作关系可以有利于个性化模型的构建.然而,由于客户端数据的不可见性,如何细粒度地提取客户端特征,并定义它们之间的协作关系是一个挑战.设计了一个注意力增强元学习网络(attention-enhanced meta-learning network,AMN)来解决这个问题.AMN可以利用客户基础模型参数作为输入特征,训练元学习网络为每个客户端提供一个额外的元模型,自动分析客户特征相似性.基于双层网络设计,有效地实现客户端个性与共性的权衡,提供了包含有益客户信息的融合模型.考虑到训练过程中需要同时训练元学习网络和客户本地基础网络,设计了一种交替训练策略,以端到端的方式进行训练.为了证明该方法的有效性,在2个基准数据集和8种基准方法上进行了大量实验,相较于现有表现最优的个性化联邦学习方法,该方法在2个数据集中平均分别提升了3.39%和2.45%的模型性能.

摘要：边缘计算网络中,为了激励边缘计算节点(ECNs)参与计算卸载,以缓解计算服务供应商(SP)的计算压力,研究面向远期交易的激励机制。考虑到SP与ECNs之间的信息不对称,且ECN闲置计算资源的不确定性易导致合作风险,基于合同理论,该文提出一种计及风险偏好的计算卸载远期合同激励机制。首先,建立节点风险偏好模型;接着,定义个人理性(IR)约束和激励相容(IC)约束,将激励问题建模为最大化SP收益的远期合同设计问题;最后,化简约束并求解最优远期合同。仿真结果验证了所设计的远期合同的可行性和合理性,并证明该合同能有效激励ECNs参与计算卸载,提升了SP的收益。

摘要：为了解决传统时间序列异常检测模型在时序数据随机性表征不足以及模型泛化能力较弱的问题,提出了一种基于得分生成的异常检测模型。针对复杂信息物理系统中运行监控的时序数据,设计了一个多维时间序列异常检测框架,利用回归模型捕捉数据内在的时间模式。考虑时序生成过程的随机性,采用去噪得分匹配的方法来估计梯度信息,并利用估计的梯度信息,设计了高效的异常评分方法。在公开的池化服务器数据集和安全水处理数据集上,所提模型的异常检测F1值分别达到了96%和90.18%,比使用基线模型得到的最高F1值分别提高了1.02%和1.01%。消融实验和案例分析结果表明,用噪声索引模块和签名矩阵模块增强了模型的特征提取能力,所提模型的异常阈值在[0.386,0.8)之间时的F1值大于等于0.8。