课程文献中心 更多>>

摘要： 传统的信息科技课程教学方式已经难以满足学生的学习需求.作为信息科技教师,我们应充分利用网络资源,创新课堂教学模式,提升课堂教学效果.

关键词： 数字化   全球创新网络   双元学习   动态能力   知识产权保护  

摘要： 基于时间视角,结合国际双元学习理论,利用2009～2021年中国A股上市公司海外直接投资数据,采用Cox比例风险模型,实证检验企业数字化对融入全球创新网络速度的影响及其机制,并依据战略三脚架逻辑,探讨东道国知识产权保护、行业开放度以及动态能力对二者关系的调节效应。研究表明,企业数字化显著提升了融入全球创新网络速度,知识产权保护、行业开放度以及动态能力对数字化与融入全球创新网络速度之间起正向调节作用。机制分析表明,企业数字化通过提升知识获取和知识整合效应,从而促进融入全球创新网络速度。异质性分析表明,对于进入非“一带一路”国家、处于战略性新兴产业的企业以及“专精特新”企业,数字化产生的加速效应更为显著。

关键词： 电磁灵敏度分析   有限差分法   伴随变量法  

摘要： 电磁灵敏度分析是评估设计参数变化对电磁性能影响的一种方法，它通过计算灵敏度信息指导结构模型分析，以满足设计规范。商业软件在进行电磁结构优化设计时，常通过调整几何结构并使用传统算法，但这种方法计算耗时且资源占用大。为了提高模型设计的效率，该文提出一种稳定高效的处理方案，即伴随变量法(AVM)，利用仅有2次算法模拟条件下，实现在参数变换上进行1～2阶灵敏度估计。当前AVM的绝大多数应用局限在矩形边界参数的灵敏度分析，该文首次开拓性地将AVM拓展到弧形边界参数的灵敏度分析。基于固定的本构参数、频率依赖性目标函数以及瞬态脉冲函数的3种不同情形设计的条件，实现了对弧形结构的电磁灵敏度的高效分析。与有限差分方法(FDM)相比，该方法在计算效率上得到了显著的提高。该方法有效实施显著拓宽了AVM在弧形边界上的应用范围，可应用于等离子体模型的电磁结构、复杂天线模型的边缘结构等优化问题上。当计算资源较少的情况下，可满足电磁结构优化的可靠性和稳定性。

关键词： 体系分析   超网络   面向对象   网络特性   作战特性  

摘要： 本文针对现有区域防空作战体系分析中模型扩展性不强、作战关系考虑不全面、方法不实用的问题，提出了一种基于两层三模超网络的分析方法。首先定义了区域防空作战体系两层三模超网络模型，其次给出了超网络模型的构建步骤，提出了基于面向对象的节点和边建模方法，最后设计了兼具网络特性和作战特性的评估指标，能从平台级和系统级两个层级对体系进行关键节点分析和效能分析。想定场景的仿真结果表明该方法具有易于操作、扩展性强、直观性明显和便于辅助专家分析的特点，不仅能够直观发现体系中的关键节点，还能全面评估体系效能。

关键词： 目标检测   运动行人   不变性物体识别   视觉运动感知   视网膜神经  

摘要： 行人作为非刚性物体，对其视觉特征进行有效的不变表示是提高识别效果的关键。在自然视觉场景中，运动行人往往会发生尺度、背景、姿态等变化，这为现有技术在提取这些不规则特征时造成阻碍。针对该问题，基于哺乳动物视网膜神经结构特性，探究运动行人不变性识别问题，提出一种适用于视觉场景下的运动行人检测神经网络（MPDNN）。MPDNN包括两个神经模块：突触前网络和突触后网络。其中，突触前网络感知表征运动目标低阶视觉运动线索，提取目标二值化视觉信息；突触后网络借助生物视觉系统中的稀疏不变响应特性，利用目标轮廓在连续改变形状后较大凹凸区域之间的位置关系不变特性，从低阶运动线索中编码平稳变化的视觉特征以构建行人不变表征。实验结果表明，MPDNN在公共数据集CUHK Avenue与EPFL中达到96.96%的跨域检测准确率，比SOTA(State Of The Art）模型高4.5个百分点；在尺度、运动姿势变化数据集上表现了较好的鲁棒性，准确率分别达到89.48%与91.45%。验证了生物不变性物体识别机制在运动行人检测中的有效性。

关键词： 无人机网络   边缘智能   用户关联策略   神经网络模型精简  

摘要： 针对无人机网络和边缘智能领域中无人机存储受限、网络整体性能不足等问题，提出了基于强化学习的用户关联策略和神经网络模型的云边协同剪枝算法。基于强化学习优化无人机网络拓扑结构，提出无人机用户与基站的关联算法。根据用户关联算法的输出划分网络的云端和边缘端，并筹划神经网络模型的分配类型和模型的大小需求，进一步，提出云边协同剪枝算法。充分利用无人机个体的本地数据，对无人机网络协同的神经网络模型进行精简，降低了通信消耗，进一步提高了无人机网络整体性能。结果显示，基于强化学习的用户关联策略提高了信道容量。与使用传统的集中式剪枝精简模型相比，云边协同剪枝算法占用更低上行通信链路上的资源。所提方法在无人机协同环境下实现了高效数据传输和计算处理，为解决资源受限下的通算一体化挑战提供了有效途径。

关键词： 电子设计自动化(EDA)   非线性规划   多目标优化   神经网络   优化计算  

摘要： 为了应对芯片设计复杂度的提升，电子设计自动化(Electronic Design Automation,EDA)工具和方法也在不断进步。然而，EDA需要协调达到最佳的功率、性能和面积，通常其不能保证最优的解决方案。EDA工具在电路设计阶段包括逻辑综合、布局布线及验证等均属于多目标、多约束的非线性规划求解过程，且为了更好解决求解中的不确定性和易于出现局域极值等难题，基于神经网络的优化算法已被集成到EDA工具的设计流程中。首先对EDA中的优化问题、多目标优化计算及基于神经网络的优化算法进行了简要概述，继而详细梳理了基于神经网络的优化算法在逻辑综合、布局布线及验证等不同设计阶段中的优化求解方法，并阐述了当前该研究所面临的挑战与机遇，希望为集成电路自动化设计及相关领域研究提供参考。