信息与计算科学专业《数据结构》教学实践与思考

结合信息与计算科学专业设置,本文分析了数据结构课程教学现状,从整合教学内容、设置教学梯度和完善教学手段等方面进行研究与探索。本课题针对交叉学科的特点强调学以致用和知识的融会贯通,搭建了开放的专题学习平台,提高了学生的自主学习和研究能力,初步取得了较好的教学效果,为数据结构课程的教学改革提供了参考。     

基于云计算的数据库管理系统在高校中的应用与实现

云计算是在网格计算的基础上发展而来的计算模型,是分布式计算、并行计算和网格计算的发展。介绍了云计算运用于数据库管理系统在现代化高校中的实现,针对传统的数据库管理系统存在的一些盲点,提出了云数据库管理系统的解决方案,指出了云数据库管理系统的广阔发展前景。     

一类二维加权积分数值求积方法及其误差分析

针对一类二维加权积分的数值计算方法及误差分析进行研究,参照一维广义高斯积分数值求积方法提出一种具有较高代数精度的计算方法并对其误差做分析,同时给出几个简明的结果。这些结果可用到诸如小波分解,图像处理与多分辨数字信号处理等领域。     

The Inherent Fault Tolerance of Multi-Layer Neural Networks

The inherent fault tolerance of multilayer neural networks (MLNs) is due to thedistributed properties of information processing and information storage in an MLN , and the inher-ent fault-masking capability of every neuron. Also,the concept of inherent fault tolerance of MLNsis formalized, Finally, perceptrons and three-layer nets are shown inherently fault tolerant underreasonable statistical conditions,respectively.     

水泵水轮机流动可视化图像解析系

主要介绍了自行开发的水泵水轮机流动可视化图像的解析原理，并就示踪物的追踪与最佳相关域的确定问题进行了深入的分析，介绍了图像解析的程序设计的思想与功能。试验与计算结果表明本套软件适合于旋转的流体机械的流场图像的解析计算。     

基于Jetson Nano处理器的大蒜鳞芽朝向调整装置设计与试验

为满足大蒜定向播种的农艺要求,针对现有大蒜鳞芽调整方法对杂交蒜适应性差的问题,该研究设计了一种基于Jetson Nano处理器的大蒜鳞芽朝向自动调整装置。采用双卷积神经网络模型结构,其中一个神经网络模型对大蒜是否被喂入进行实时监测,检测到大蒜喂入调整装置后,一个ResNet-18网络模型对蒜种鳞芽朝向进行判断,当鳞芽朝上时大蒜鳞芽调整机构打开Y型料斗使大蒜以鳞芽朝上的姿态直接落下,当鳞芽朝下时大蒜鳞芽调整机构翻转180°带动大蒜一起翻转后以鳞芽朝上的姿态落下,实现大蒜鳞芽朝向实时调整。神经网络模型推理及舵机控制采用英伟达边缘计算处理器Jetson Nano进行处理。利用离散元分析软件EDEM结合正交试验方法对调整装置的关键结构参数进行优化,并以杂交大蒜为试验对象进行台架试验,试验结果表明:大蒜鳞芽调整成功率为96.25%,模型推理时间0.045 s,平均每粒大蒜调整时间为0.785 s,满足大蒜播种机播种要求。该文研究结果可为解决杂交大蒜直立播种问题及边缘计算在精密播种设备中的应用提供有益参考。     

基于DPSIR和云模型的宿鸭湖水库水环境安全评估

为了推动水库水环境安全工作的开展,强化水源区水质保护,以宿鸭湖水库为例,应用DPSIR模型建立了水库水环境安全评估的指标体系,通过熵值法确定了各指标的权重,采用云模型对其2015年的水环境安全进行了评估,结果表明：该水库水环境处于较安全等级,但存在安全隐患;由于上游工业废水、居民生活污水、餐饮业的废弃物随着降雨径流汇入水库,再加上水产养殖、观光旅游等人类活动的影响,使其TN、TP的浓度和入库量增加,水库水质难以达标,需引起水库管理部门的重视。结论：云模型可减少评估过程中的不确定性,实现水库水环境安全概念与其定量数值间的合理转换,使其评估结果与实际相符。     

基于云计算技术和3D渲染的农机虚拟制造技术研究

为了提高农机现代化和批量化生产效率,实现基于个性化需求农机设计和制造,提出了面向机加工的云技术农机制造服务候选资源的发现方法,并设计了农机虚拟制造的云计算平台。在农机部件云制造虚拟平台中,首先利用云存储技术存放大量的候选制造企业资源样本数据,然后利用智能分类算法KNN对候选资源进行分类,根据农机部件制造需求的客户对候选资源进行优选,最后得到最佳的候选资源。基于云计算和3D渲染技术,构建了面向工序级和零件级服务的仿真环境,并通过仿真实验,得到了优选后服务方的服务时间、费用和合格率,为现代农机的批量生产和个性化加工服务提供了新的解决方案。     

基于云环境和有限元并行计算的农机产品数字化仿真

为了解决现代化农机复杂产品数字化分析和仿真的计算开支问题,提出了一种基于云计算的农机产品数字化仿真系统平台,该平台采用云计算的三层架构和服务封装的思想,将有限元分析仿真系统的功能需求划分成服务,为有限元提供云环境下的并行协同计算功能。采用虚拟化技术,将有限元设计资源利用云环境进行集中管理,实现了软件交付的灵活性和计算资源的共享。以农机部件的大变形支持结构为例,对系统的模型建立、作业管理和数据处理3个方面进行了实例验证。仿真结果表明:采用云环境的并行计算后,其计算的收敛精度和计算效率都有了较大幅度的提高,能够计算大变形的农机部件结构,且资源的共享率较高,实现了农机部件的数字化、协同化设计。