在Fortran应用程序中操作数据库

将Fortran与数据库结合起来,充分利用两者各自的优势对工程分析软件的开发有着重要的意义。对在Fortran应用程序中操作数据库进行了研究和探讨;介绍了使用Fortran进行数据库操作的思想和步骤,然后分别介绍了采用f90SQL和采用混合编程进行数据库操作的方法。无论采用哪种方法,都要遵从使用For tran进行数据库操作的步骤。     

大型网架结构智能监测系统的工程数据库设计

随着大型工程建设项目的快速发展,对网络和计算机的依赖程度不断提高,对工程建设项目系统的要求也不断提高.为了更好地开发大型工程建设项目系统软件,设计出良好的工程数据库系统,文中以大型网架结构智能监测系统为例,探讨了在复杂的大型工程建设项目中,面向实时的海量的数据进行工程数据库设计的技术和方法.在大型工程建设项目中,必须考虑多方面因素,采用面向对象技术、实时数据库技术、分布式处理技术等多种技术,取长补短,才能设计出良好的工程数据库系统.     

结构模型实验的计算机动态模拟实现构架

针对结构工程领域的特点，结合OpenGL编程技术、可扩展接口技术、4D模型技术和及体可视化技术，提出了振动台模型实验的计算机动态模拟实现构架，并以基于Window98的VisualC 6.0作为开发工具，利用OpenGL与建模工具的图形接口，采用面向结构实体的建模机制及面向对象的编程方法实现系统。     

基于时序和上下文特征的中文隐式情感分类模型

对社交网络上的海量文本信息进行情感分析可以更好地挖掘网民行为规律,从而帮助决策机构了解舆情倾向以及帮助商家改善服务质量。由于不存在关键情感特征、表达载体形式和文化习俗等因素的影响,中文隐式情感分类任务比其他语言更加困难。已有的中文隐式情感分类方法以卷积神经网络（CNN）为主,这些方法存在着无法获取词语的时序信息和在隐式情感判别中未合理利用上下文情感特征的缺陷。为了解决以上问题,采用门控卷积神经网络（GCNN）提取隐式情感句的局部重要信息,采用门控循环单元（GRU）网络增强特征的时序信息;而在隐式情感句的上下文特征处理上,采用双向门控循环单元（BiGRU）+注意力机制（Attention）的组合提取重要情感特征;在获得两种特征后,通过融合层将上下文重要特征融入到隐式情感判别中;最后得到的融合时序和上下文特征的中文隐式情感分类模型被命名为GGBA。在隐式情感分析评测数据集上进行实验,结果表明所提出的GGBA模型在宏平均准确率上比普通的文本CNN即TextCNN提高了3.72%、比GRU提高了2.57%、比中断循环神经网络（DRNN）提高了1.90%,由此可见, GGBA模型在隐式情感分析任务中比基础模型获得了更好的分类性能。     

Prediction of free lime content in cement clinker based on RBF neural network

Considering the fact that free calcium oxide content is an important parameter to evaluate the quality of cement clinker, it is very significant to predict the change of free calcium oxide content through adjusting the parameters of processing technique. In fact, the making process of cement clinker is very complex. Therefore, it is very difficult to describe this relationship using the conventional mathematical methods. Using several models, i e, linear regression model, nonlinear regression model, Back Propagation neural network model, and Radial Basis Function (RBF) neural network model, we investigated the possibility to predict the free calcium oxide content according to selected parameters of the production process. The results indicate that RBF neural network model can predict the free lime content with the highest precision (1.3%) among all the models.     

基于拥塞控制的片上网络多播路由算法

为了满足片上网络日益丰富的应用要求,多播路由机制被应用到片上网络,以弥补传统单播通信方式的不足。以Mesh和Torus类的片上网络为例,分析了基于路径的3种多播路由算法(即XY路由、UpDown路由和SubPartition路由算法),并研究了相应的拥塞控制策略。通过模拟实验表明,多播较单播通信具有更小的平均传输延时和更高的网络吞吐量,且负载分配均匀;特别是SubPartition路由算法随着规模增大效果更加明显;提出的多播拥塞控制机制,能更有效地利用多播通信,提高片上网络的性能。     

一种同伴知识互增强下的序列推荐方法

序列推荐(Sequential recommendation, SR)旨在建模用户序列中的动态兴趣,预测下一个行为.现有基于知识蒸馏(Knowledge distillation, KD)的多模型集成方法通常将教师模型预测的概率分布作为学生模型样本学习的软标签,不利于关注低置信度序列样本中的动态兴趣.为此,提出一种同伴知识互增强下的序列推荐方法 (Sequential recommendation enhanced by peer knowledge, PeerRec),使多个具有差异的同伴网络按照人类由易到难的认知过程进行两阶段的互相学习.在第1阶段知识蒸馏的基础上,第2阶段的刻意训练通过动态最小组策略协调多个同伴从低置信度样本中挖掘出可被加强训练的潜在样本.然后,受训的网络利用同伴对潜在样本预测的概率分布调节自身对该样本学习的权重,从解空间中探索更优的兴趣表示. 3个公开数据集上的实验结果表明,提出的PeerRec方法相比于最新的基线方法在基于Top-k的指标上不仅获得了更佳的推荐精度,且具有良好的在线推荐效率.