Resource management in UAV-assisted MEC: state-of-the-art and open challenges

Wireless Networks - Unmanned aerial vehicles (UAV) have been widely used in various fields because of their high mobility and portability. At the same time, due to the rapid development of...     

Auto-deposition of 210Bi and 210Po on nickel discs and their application in the analysis of natural waters

Journal of Radioanalytical and Nuclear Chemistry - This study presents a time-efficient method of analysing 210Pb, 210Bi, and 210Po in natural waters. The optimum pH (1.00), temperature...     

基于1D CNN与XGBoost的恶意代码纹理检测

恶意代码数量已经呈现爆炸式增长,对于恶意代码的检测防护显得尤为重要.近几年,基于深度学习的恶意代码检测方法开始出现,基于此,提出一种新的检测方法,将恶意代码二进制文件转化为十进制数组,并利用一维卷积神经网络(1 Dimention Convolutional Neural Networks,1D CNN)对数组进行分类和识别.针对代码家族之间数量不平衡的现象,该算法选择在分类预测上表现良好的XGBoost,并对Vision Research Lab中的25个不同恶意软件家族的9458个恶意软件样本进行了实验.实验结果表明,所提的方法分类预测精度达到了97％.     

“电工学”国家级一流课程建设与实践

根据新时代新工科人才需求特点和电工学课程特点,分析非电专业学生的电类实践需求,提出构建电工学课程为核心的电工电子实践创新能力培养新体系。通过优化教学内容、开展教学模式和考核模式改革、构建教学资源体系和进行教师队伍建设,使我校电工学课程教学质量提升、学生工程实践和创新能力提高、学生满意度增加、一流课程建设成效显著。     

基于GA_XGBoost模型的大学生科研能力预测问题研究

科学评价大学生科研创新能力对我国科研水平的提高具有重要意义.采用机器学习模型来预测大学生科研能力可以起到良好的效果,提出一种GAXGBoost模型来实现对大学生的科研能力预测.此模型是以Xgboost算法为基础,然后充分利用遗传算法的全局搜索能力自动搜索Xgboost最优超参数,避免了人为经验调参不准确的缺陷,最后采用精英选择策略以此确保每一轮都是最佳的进化结果.通过分析表明,所采用的GAXGBoost模型在大学生科研能力预测的结果中具有很高的精度,将此模型与Logistic Regression、Random Forest、SVM等模型进行对比,GAXGBoost模型的预测精度最高.     

小型核桃脱壳分选一体机的设计

核桃不仅营养价值极高,而且核桃壳的药用价值也非常高,国内小企业和家庭在核桃硬壳脱壳加工环节,一般采用人工破壳取仁的方式,这种方式劳动强度大,人工成本高且不卫生;针对这个问题设计了一款小型的硬壳脱壳,壳仁分离分选的机器来提高生产效率,减少成本,提高收入。     

基于图像分割技术的图像数字水印算法研究

针对数字图像水印技术,通过对闭运算得到的图像再进行开运算,使实验得到的图像区域较为完整,采用4×4的正方形结构元素,使得图像区域有更多的白色像素被置为黑色,对图像进行取反操作,能够对图像区域的非连通区域进行填充.希望能够利用精确的图像分割算法,实现对复杂版面的文档图像的有效切割,在一定程度上对图像数字水印的推广起到促进作用.     

OBE-CDIO理念下“集成电路版图分析与设计”课程教学改革与探索

针对目前集成电路版图分析与设计课程存在教学方法老化、教学模式形式化等问题,本文以OBE-CDIO教育理念为指导,对”集成电路版图分析与设计”课程的课程教学模式、课程设计、项目式教学方式和课程考核方式等方面的改革进行有益的探索与实践。将工程教学认证中对学生的专业毕业要求作为制定教学目标的依据,将BB网络平台、ISO9001等现代化教学资源和质量标准融入课堂教学,采用OBE-CDIO能力教学理念指导课程设计,实现教学环节与考核环节的科学化与多元化,通过引入课程思政激发学生学习热情,树立社会主义核心价值观,全面地培养学生的综合版图分析与设计能力和素养。     

Spatiotemporal Magnetocaloric Microenvironment for Guiding the Fate of Biodegradable Polymer Implants

The degradation behavior of implants is significantly important for bone repair. However, it is still unprocurable to spatiotemporally regulate the degradation of the implants to match bone ingrowth. In this paper, a magneto-controlled biodegradation model is established to explore the degradation behavior of magnetic scaffolds in a magnetothermal microenvironment generated by an alternating magnetic field (AMF). The results demonstrate that the scaffolds can be heated by magnetic nanoparticles (NPs) under AMF, which dramatically accelerated scaffold degradation. Especially, magnetic NPs modified by oleic acid with a better interface compatibility exhibit a greater heating efficiency to further facilitate the degradation. Furthermore, the molecular dynamics simulations reveal that the enhanced motion correlation between magnetic NPs and polymer matrix can accelerate the energy transfer. As a proof-of-concept, the feasibility of magneto-controlled degradation for implants is demonstrated, and an optimizing strategy for better heating efficiency of nanomaterials is provided, which may have great instructive significance for clinical medicine.