“戴伟工作室”获南京市委宣传部资金支持

根据《关于加快建设文化人才资源高地推动南京文化高质量发展的实施意见》(宁宣通[2018]90号)和《南京市文化人才工作室引进管理细则》相关规定,为加强全市文化人才队伍建设,推动文化高质量发展,南京出版传媒集团积极与科普领军人物展开深度合作,经过多次酝酿,充分沟通,引进英籍人士戴伟,在宁成立“戴伟工作室”,致力于科普工作。2020年11月,“戴伟工作室”得到南京市委宣传部资金支持,成为南京出版传媒集团承担的重点项目。     

指掌易签约深圳机场 助力用户安全高效开展移动业务

日前,指掌易签约深圳宝安国际机场(下称“深圳机场”),该签约项目通过部署指掌易移动业务智能安全管理平台,针对性地解决深圳机场日益增长的App应用管理及安全问题,进而帮助客户实现移动业务安全高效的开展。该项目负责人表示,在深圳机场的项目需求发布后,对比了市场上主流的安全厂商,指掌易凭借良好的客户口碑和强大的技术实力成功中标。该项目在机场信息化建设中属于创新型项目,没有过多案例参照,需要在不断调研和摸索实践中发现该平台的亮点和定位。在这个过程中指掌易方案满足项目需求,且项目实施期间服务团队的专业表现令人印象深刻,为日后的深度合作打下了很好的基础。     

自重湿陷性黄土地基预钻孔浸水处理的可靠度设计方法

为解决传统预浸水法存在的浸水时间长、浸水处理范围难以确定等不足,基于土体中水分运移规律,依据可靠度理论、极限状态设计方法及复合 Poisson 过程原理,提出一种消除黄土湿陷性的处理浸水方法——预钻孔浸水法。给出了利用预钻孔浸水法对自重湿陷性黄土地基进行浸水时,水平向及竖直向浸水影响范围的确定模型;在此基础上结合达西定律给出了浸水孔设计参数如孔深、孔间距及浸水孔个数的确定方法。结合铜川某工程,设计进行了现场预钻孔浸水试验,对该方法的合理性进行了验证,并通过现场钻探、现场勘探、室内湿陷性试验等方法对该方法的处理效果进行了评价。该浸水方法具有浸水时间短、浸水影响范围可根据浸水孔布设进行控制等优点,且浸水处理效果良好,完全符合施工要求。     

CDBN‑IKELM的轴承变工况故障诊断方法

针对现有方法在轴承变工况方面存在的诊断精度低、人工提取特征不充分等问题，提出了基于卷积深度置信网络（convolutional deep belief network，简称CDBN）与改进核极限学习机 （improved Kernel?based extreme learning machine，简称IKELM）的滚动轴承故障智能识别方法。首先，由卷积深度置信网络对原始信号内的故障特征进行深层自适应提取；其次，利用等距特征映射对提取的多维特征进行降维，去除冗余特征信息；然后，采用改进的核极限学习机对特征进行分类，使用粒子群（particle swarm optimization， 简称PSO）对模型重要参数进行优化，实现滚动轴承变工况下的故障识别；最后，将所提方法应用于不同工况下多种轴承故障的诊断。实验结果表明，该方法能够智能有效地识别变工况的轴承故障，诊断结果优于已有的智能故障诊断方法。     

五阳煤矿矿井水深度处理:超滤+臭氧+生物活性炭滤池系统设计研究

五阳煤矿南丰矿井水处理站处理水部分指标不能达到地表水环境质量Ⅲ类标准,需要进行提标改造。文章设计的深度处理工艺流程为:超滤+臭氧+生物活性炭滤池,给出了各环节的设计过程和结果,对设计的工程投资做出了预算,社会效益、经济效益可观。     

基于卷积神经网络的5G蜂窝网络无线定位方法

5G蜂窝网络发展迅猛，其覆盖面积将逐渐增大，因此使用5G蜂窝网络进行定位是有研究潜力的研究方向。本文提出一种新的深度学习技术来实现高效、高精度和低占用的定位，以代替传统指纹定位过程中繁重的指纹库生成以及距离计算。该方法建立了一个特殊的卷积神经网络，并根据5G天线信号的接收信号强度指示、相位和到达角等特征量，选择合适的输入数据格式构造样本组建训练集，对该卷积神经网络进行训练。训练得到的卷积神经网络可以替代指纹定位中的庞大指纹库，非常有利于直接在5G移动设备端实现定位。虽然卷积神经网络在训练过程中需要大量时间，但在训练完毕后直接进行分类定位的速度非常快，可以保障定位实现的实时性。本文所实现的卷积神经网络权重与偏置所占内存不到0.5 MB，且能够在实际应用环境中以95%的定位准确率以及0.1 m的平均定位精度实现高精度定位。     

基于神经网络的谣言检测综述

由于传播媒介的多样化,信息数据量呈爆炸式增长,从海量的事件信息中检测到谣言变得十分困难。为了减少人工成本,提高谣言检测准确率,深度学习中的神经网络模型被用到谣言检测任务中。首先文章对多种基于神经网络的谣言检测方法进行了介绍,分析了多种神经网络谣言检测模型的检测过程,以及多种神经网络模型在谣言检测过程中的判断依据及其特征提取效果,然后对现有的谣言检测模型结构进行了归纳,总结了使用神经网络检测谣言的模块化流程,最后对谣言检测的方法提出了建议。     

结合结构学习的多头密集连接图池化模型

目的:利用图神经网络，构建带有结构学习的多头密集连接图池化模型并用于图分类任务。方法:首先，用图卷积神经网络提取节点的初始特征。其次，用多头密集连接网络学习节点重要性得分，并根据得分进行节点采样得到池化图。之后，对池化图中的节点进行结构学习，以保证图结构的完整性。最后，将学到的图表示放到分类器中，完成图分类任务。结果:与其他图分类模型在七个广泛使用的数据集上进行实验对比，我们构建的模型在五个数据集上的分类结果达到最优。结论:结合结构学习的多头密集连接图池化模型在图分类任务中具有先进性。