期刊指标
提交
杂志简介
编辑聚光灯
特殊的问题最新的文章
更多文章
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
可压缩基于密度的解算器被广泛应用于OpenFOAM，并且这些解算器的并行可扩展性是用于大规模模拟至关重要。在本文中，我们提出我们的经验与OpenFOAM的本地rhoCentralFoam求解器的可扩展性，并通过使少量的修改它，我们展现给该解算器的可扩展性，可以改善的程度。提出的主要修改是用一个三阶准确，四阶段的时间积分龙格 - 库塔或RK4方案替换rhoCentralFoam一阶准确欧拉法。我们使用缩放测试是在ONERA M6机翼的跨音速。这是在航空航天和其它工程应用可压缩流求解器的常见的验证测试。数值实验表明，我们的解算器修改，简称rhoCentralRK4Foam，对于相同的空间离散，达到尽可能在可伸缩性的123.2％的改善在rhoCentralFoam求解。正如预期的那样，龙格 - 库塔方案的更好的时间分辨率使得它更适合于不稳定的问题，如泰勒 - 绿涡消退，其中新的求解器显示，在总时间到解决方案相比，rhoCentralFoam得到降低50％用相同的数值精度的最终溶液。最后，改进的可扩展性可以追溯到通过代替欧拉方案的替换方案RK4获得的计算通信率的提高。所有的数值试验，一台Cray XC40并行系统，θ，阿贡国家实验室上进行。
INR：一种编程模型开发昆虫智能建筑的APP
昆虫智能建筑（我2B）是智能建筑的一种新颖的平台。我突出特点2B是由智能节点连接在所述分散的网络结构。一世2B可使用的APP通过各种从业者或编程爱好者进行管理和控制建筑开发（应用程序）。然而，由于我独特的并行操作2乙平台的APP开发者的推广，还存在没有有效的方法来支持我2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乙APP和激励预期的编程语言设计，我们建议INR，编程模型，我2应用程序开发。在INR三个子模型，即个人，邻居，地区，分别制定和实施，用于描述不同的任务要求。此外，基于标签的编程和聚类操作的新机制建立，支持APP的插件和播放和并行能力在我2最后，我们将编程模型应用到一个应用案例中来说明I的开发模式2乙APP和验证我们的方法的有效性。
一种新的聚类算法及其在评价地下水质量应用
聚类分析，这是一个数据集划分成使得相似的元件被分配给相同的组和异种元素被分配给不同的人群体，已被广泛研究，并在各种领域中应用。在聚类两个挑战性的任务是确定簇和任意形状的生成的簇的合适数量。本文提出了“小量半径邻居”自动播放在成形群集过程中起重要作用，从而确定集群的数量和集群的形状，的一个新概念。基于“小量半径邻居”，其中的ε半径值适于在当前分区中的每个簇的特征的新的聚类算法。近日，集群已被广泛应用于环境应用，包括地下水质监测。然而，现有的研究已经简单套用传统的聚类技术，其中前述这两个挑战性的任务尚未已经解决了。因此，在本文中，提出的聚类算法在评估富美镇，巴地头顿省，越南地下水质应用。在基准数据集上的实验结果表明该算法的有效性。对于地下水的质量，新算法产生四组具有不同的特点。通过这个应用中，我们发现，新算法可能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。可靠的诊断仍然是老年痴呆症的早期阶段，一个具有挑战性的问题。我们的目的是开发和验证基于机器学习，帮助正常，轻度认知障碍（MCI）的初步诊断的一种新方法，非常轻度痴呆（VMD），和老年痴呆症使用基于线人问卷。方法。我们招收5272人谁填补了37项调查问卷。为了选择最重要的特点，特征选择三种不同的技术进行了测试。然后，上面的功能有六个分类算法相结合用于开发诊断模型。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。本文提出的诊断模型提供了一个功能强大的工具，为临床医生来诊断老年痴呆症的早期阶段。
起重机，机器人操作部分观察家决策过程模型
机器人的最常见的用途是有效降低人的努力与期望的输出。在人类与机器人互动，为双方预测基于他们现在的行为后续行动，以完成好协同工作是至关重要的。很多的努力，一直致力于以达到人与机器人之间的协同工作精确。在决策的情况下，从以前的研究，短期或中期预测有很长的时间跨度调整和反应观察。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。所建议的模型通过它们的特征，这是通过深信念网络（DBN）虽然波尔兹曼机（BM）机制收回施加现有的输入减小了误差放大问题。此外，我们提出了一个机制来决定的可能结果（接受或拒绝）。上述机构评估的几个数据集模型。因此，该系统将能够捕捉使用对象的运动的相关信息。它更新以适应局势的信息进行验证，跟踪，采集和图像的提取。 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.
目标识别的SAR图像基于二维典型相关分析多分辨率表示
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.
