期刊指标
提交
杂志简介
编辑焦点
特殊的问题最新文章
更多的文章
基于龙格-库塔时间离散化方案的OpenFOAM密度求解器的可扩展性
基于可压缩密度的求解器在OpenFOAM中得到了广泛的应用，这些求解器的并行可扩展性对于大规模的仿真是至关重要的。在本文中，我们报告了OpenFOAM的原生rhoCentralFoam求解器的可扩展性的经验，并通过对其进行少量的修改，展示了该求解器的可扩展性可以提高到何种程度。所做的主要修改是将rhoCentralFoam的一阶精确欧拉格式替换为三阶精确的四阶龙格-库塔或RK4格式用于时间积分。我们使用的结垢测试是ONERA M6机翼上的跨音速流动。这是一个通用的验证测试可压缩流动求解器在航空航天和其他工程应用。数值实验表明，我们改进的求解器，即rhoCentralRK4Foam，对于同样的空间离散化，在可扩展性上比rhoCentralFoam求解器提高了123.2%。正如预期的那样,更好的时间分辨率的龙格-库塔计划使它更适合不稳定等问题的泰勒涡衰变新的解算器显示在整个time-to-solution rhoCentralFoam相比减少了50%到最终的解决方案相同的数值精度。最后，通过用RK4方案代替Euler方案，提高了计算与通信的比率，从而提高了可扩展性。所有的数值试验都是在阿贡国家实验室的Cray XC40平行系统Theta上进行的。
INR:昆虫智能建筑app开发的编程模型
昆虫智能建筑2B)是一个新型的智能建筑平台。I的显著特征2B是由智能节点连接的分散网络结构。我2B可以使用各种从业人员或编程爱好者开发的应用程序来管理和控制建筑。但是，由于I的唯一并行操作2B平台和APP开发者的普及，目前还没有有效的途径来支持I2应用程序开发。应对挑战，并为描述和发展I提供有意义的指导2在此基础上，提出了一种面向I的程序设计模型INR2应用程序开发。为了描述不同的任务需求，INR中分别定义和实现了三个子模型，分别是个体模型、邻域模型和区域模型。此外，还建立了基于标签的编程和集群操作的新机制，以支持I中应用程序的即插即用和并行功能2最后，我们将编程模型应用到一个应用案例中来说明I2验证我们的方法的有效性。
一种新的聚类算法及其在地下水水质评价中的应用
聚类分析是将一个数据集分成若干组，将相似的元素分配到同一组，将不同的元素分配到不同的组，在各个领域都得到了广泛的研究和应用。聚类的两个挑战性任务是确定合适的聚类数目和生成任意形状的聚类。本文提出了在簇形成过程中起关键作用的“半径邻居”的新概念，从而自动确定簇的数目和簇的形状。提出了一种基于“半径邻域”的聚类算法，该算法根据当前分区中每个簇的特点来调整半径值。近年来，聚类技术在环境应用中得到了广泛的应用，包括地下水水质监测。然而，现有的研究只是简单地应用了传统的聚类技术，而上述两个具有挑战性的任务还没有得到解决。因此，本文将所提出的聚类算法应用于越南Ba Ria-Vung Tau省Phu My镇的地下水质评价。在基准数据集上的实验结果证明了该算法的有效性。对于地下水水质，新算法得到了四个具有不同特征的聚类。通过应用，发现该算法可以为地下水管理提供有价值的参考信息。
机器学习对痴呆的初步诊断
客观的.在痴呆症的早期阶段，可靠的诊断仍然是一个具有挑战性的问题。我们的目标是开发和验证一种基于机器学习的新方法，以帮助初步诊断正常、轻度认知障碍(MCI)、非常轻度痴呆(VMD)和痴呆，使用基于信息的问卷。方法.我们招募了5272人，他们填写了一份包含37个项目的问卷。为了选择最重要的特征，测试了三种不同的特征选择技术。然后，结合6种分类算法，利用最上面的特征来建立诊断模型。结果.信息增益是三种特征选择方法中最有效的一种。其中，朴素贝叶斯算法的准确率为0.81，准确率为0.82，查全率为0.81F-measure = 0.81)。结论.本文提出的诊断模式为临床医生诊断早期痴呆提供了有力的工具。
起重机-机器人动作局部观测器决策过程模型
机器人最常见的用途是有效地减少人类的努力与理想的输出。在人机交互中，为了更好的完成协同工作，双方需要根据当前的动作来预测后续的动作。为了精确地实现人与机器人之间的协同工作，人们付出了大量的努力。在决策方面，从以往的研究中可以看出，短期或中期预测有很长的调整和反应时间。为了解决这个问题，我们提出了一个新的基于视觉的交互模型。该模型通过利用先验输入的特性，通过深度置信网络(DBN)和波耳兹曼机(BM)机制，减少了误差放大问题。此外，我们提出了一个机制来决定可能的结果(接受或拒绝)。上述机制在多个数据集上对模型进行评估。因此，系统将能够使用对象的运动来捕获相关信息。它更新这些信息，以便对图像进行验证、跟踪、获取和提取，以适应这种情况。 Furthermore, we have suggested an intelligent purifier filter (IPF) and learning algorithm based on vision theories in order to make the proposed approach stronger. Experiments show the higher performance of the proposed model compared to the state-of-the-art methods.
基于二维正则相关分析的多分辨率表征在SAR图像目标识别中的应用
提出了一种基于二维正则相关分析(2DCCA)多分辨率图像融合特征的合成孔径雷达(SAR)目标识别方法。多分辨率图像比单独的原始图像具有更强的识别能力。因此，多分辨率表征的联合分类有利于提高SAR目标识别性能。2DCCA能够利用多分辨率表示的内部相关性，同时显著减少冗余。因此，融合后的特征能有效地表达多分辨率表征的分辨能力，同时减轻了原高维数带来的存储和计算负担。在分类阶段，采用基于稀疏表示的分类方法(SRC)对融合后的特征进行分类。SRC是一种有效的鲁棒分类器，在以往的工作中得到了广泛的验证。利用运动和静止目标捕获与识别(MSTAR)数据集对该方法进行了评价。实验结果表明，在标准操作条件下，该方法对10类目标的识别率高达97.63%。在扩展操作条件下(EOC)，如配置方差、下降角方差和鲁棒性的定量验证。 In comparison with some other SAR target recognition methods, the superiority of the proposed method can be effectively demonstrated.
