基于电网络技巧计数一类平面自相似图的生成树数目

Sierpiński多面体是Sierpiński三角形的三维近似,Sierpiński金字塔自相似图是Sierpiński四面体的1-骨架。本文受Sierpiński金字塔图的构造启发,研究一类构造上极为相似的平面自相似图。基于图的自相似性特点和电网络理论技巧,得到这类自相似图的生成树的计数公式及生成树增长的熵值。     

在网络环境下图书馆服务理念及服务方式创新

介绍了网络环境及图书馆的优势,分析了个性化服务的意义及其实现方式,探讨了图书馆服务工作创新的措施。     

试论网络环境下高校图书馆的采访工作

分析了网络环境下高校图书馆文献采访工作面临的新问题,从3个方面提出了解决这些问题的具体措施。     

国防工业军民融合高质量发展评价研究

推动国防工业军民融合高质量发展,是我国新发展阶段实现高质量发展的内在要义,是助力国防实力和经济实力同步提升、加快形成一体化国家战略体系和能力的必然要求.依据新时代高质量发展和国防工业军民融合发展特点要求,界定了国防工业军民融合高质量发展基本内涵;以此为依据,探讨了国防工业军民融合高质量发展评价内容;构建了国防工业军民融...     

基于拓扑网络算法的煤矿瓦斯爆炸风险度量

为有效预防煤矿瓦斯爆炸事故,对瓦斯爆炸风险进行量化分析。首先,通过分析2010—2020年152起瓦斯爆炸事故调查报告,基于层次全息建模方法识别出67个风险因素,提取出214条事故链,构建瓦斯爆炸风险演化路径;然后将迭代加权思想与设计结构矩阵相结合,提出改进集成风险传播法,计算风险演化过程中风险的直接和间接传播概率;在此基础上,将风险因素作为网络节点,因素之间的影响关系作为网络边,构建瓦斯爆炸风险拓扑网络度量模型,并运用Gephi 0.9.2软件分析计算网络拓扑参数,实现风险演化过程中的累积风险可视化。结果表明：煤矿瓦斯爆炸风险拓扑网络呈现明显小世界网络特征,聚集程度偏低而演化性较强;识别出最短风险演化路径7条,关键性风险节点包括施工操作不当、风量不足、瓦斯异常涌出;初始风险因素不同,在风险演化过程中路径不同,风险权值也存在差异,且在风险演化过程中存在风险损失现象。研究结果为煤矿瓦斯爆炸风险评估提供理论依据,对预防瓦斯爆炸事故发生具有现实意义。     

基于LSTM的燃煤电厂NOx排量软测量

燃煤电厂煤粉在燃烧过程中产生的有害气体会对大气环境造成污染,NO_x为其中之一。针对燃煤电厂生产过程中NO_x排放量测量成本高、过程复杂等问题,考虑到机组运行数据具有的时间序列特征,提出一种基于长短期记忆神经网络的软测量方法对NO_x排放量进行预测。在分析NO_x产生机理的基础上,利用来自陕西省榆林市某电厂2019年1月至6月的实际生产数据,初步选取与NO_x排放量紧密相关的20个辅助变量;将数据进行预处理以消除粗大误差和随机误差,并利用灰色关联度分析进一步精选出15个辅助变量;将实际生产数据划分训练集和测试及对LSTM模型进行训练和测试,并将LSTM模型与BP神经网络模型和支持向量机模型的软测量结果比较。结果表明：基于LSTM的测量方法均方误差较基于BP神经网络与SVM的方法均有减小,说明该方法测量准确度较高,泛化能力更强。     

基于CAN总线的大型虚拟树网络设计

针对大型分布式数据采集系统、设备控制系统以及二者功能融合系统对于数据可靠测控的需求,提出了一种基于CAN总线的四层级大型虚拟树网络的设计方案。文章详述了大型虚拟树网络的基本架构、逻辑与物理拓扑、层级与节点编码规则、底层数据通信格式,并介绍了构建高效且灵活的单播、多播和广播通信链路的方法。通过举例分析如何利用大型虚拟树网络为具体的教学楼设计综合控制系统,为现代教学楼的智能、节能控制系统设计提供参考。     

后物权法时代:网络虚拟财产的纠纷与保护

“我的QQ号码被盗了!”连日来．晓嘉为此忧心忡忡．却申诉无门。这种现象．在网络世界并不少见,类似的虚拟财产被盗案．更多地存在于网络游戏中。当玩家们将辛辛苦苦“练功”挣来,甚至是花钱购买的“宝物”,“武器”．级别．段位等视为珍宝时．一双无形的黑手,却早已在暗处觊觎…… 那么,这些看不见．摸不着的虚拟财产．理应受到法律保护吗？又该由谁来提供保护？面对这个棘手课题．IT界和法律界人士投入了越来越多的关注。[编者按]     

产业人物榜

马云 素有“网络狂人”之称的马云日前携阿里巴巴网络有限公司（1688HK）在香港联交所挂牌上市,开盘价30港元,高出发行价13．5港元122．2％;当日最终收报39．5港元,较招股价13．5港元飙升1．93倍。     

基于深度学习的通信网络数据关键特征挖掘

深度学习是挖掘数据关键特征的重要技术手段,为准确分析通信网络数据特征,并保障质量,提出基于深度学习的通信网络数据关键特征挖掘方法。选取接入率、可用性以及覆盖率等七个指标作为通信网络质量核心性能指标,将卷积神经网络与径向基神经网络相结合,构建深度学习网络结构,将该性能指标作为标签参数,将所得到的标签参数的聚类与求和结果作为深度网络的标签数据,通过前向传播将标签数据输入卷积神经网络的输入层内,经过不同隐层的变换与映射至输出层位置,并采用量子粒子群算法求解深度学习网络最优参数,输出通信网络数据关键特征挖掘结果。经实验结果表明,所提方法的通信网络数据关键特征挖掘率在95%以上,能够准确预测未来短时间段内的通信网络质量。