无线传感器网络是典型的网络化嵌入式系统,由于其既涉及嵌入式系统的行为又涉及网络的行为,以及其应用相关性,使其测试调试变得困难复杂,无法构建一个通用的测试调试平台.为有效地测试调试无线传感器网络,在分析已有的研究工作基础上,采用半实物的仿真策略,提出了一种混合方式的无线传感器网络测试调试系统,解决了纯粹软件仿真平台掩盖太多实际器件实现的细节和实际环境测试中嵌入式系统行为和网络行为不可见、不可控性的缺陷,达到了一种折中的效果.最后给出了该系统在FPGA(field programmable gate array)上的实现实例;通过实验验证了该系统能够有效地对无线传感器网络应用进行测试调试

由于协作机器人的结构比普通工业机器人更为轻巧，一般动力学模型所忽略的复杂特性占比较大，导致协作机器人的计算预测力矩误差较大。据此提出在考虑重力、科里奥利力、惯性力和摩擦力等的基础上，采用深度循环神经网络中的长短期记忆模型对自主研发的六自由度协作机器人动力学模型进行误差补偿。在实验中采用优化后的基于傅里叶级数的激励轨迹驱动机器人运动，以电机电流估算关节力矩，获取的原始数据用来训练长短期记忆模型(LSTM)补偿网络。网络的训练结果和评价指标为预测力矩相比实际力矩的均方根误差。计算与实验结果表明，补偿后的协作机器人动力学模型对实际力矩具有更好的预测效果，各轴预测力矩与实际力矩的均方根误差相比于未补偿的传统模型降低了61.8%至78.9%不等，表明了文中所提出补偿方法的有效性

水力压裂过程中支撑剂的注入是为了防止地应力将已压裂出的裂缝重新闭合。为了研究复杂裂缝网络中支撑剂的运移分布规律，及支撑剂非均匀分布对开采动态规律的影响，基于作者之前提出的数个数学模型，建立了致密储层压裂注砂开发耦合计算模型。通过计算结果可以得知：裂缝网络中，支撑剂会在裂缝交汇处大量堆积，砂堤高度高于缝网其他部分。次级裂缝中的支撑剂更多的处于悬浮状态，且支撑剂沉降堆积高度相较于主裂缝小25%～50%，相互沟通的次级缝具有更高的支撑剂沉降程度。缝网中支撑剂非均匀分布对模拟计算结果具有较大影响，当储层渗透率为0.05 mD时，忽略支撑剂非均匀分布计算出的产量高出实际值41.7%，因此在进行低渗透率储层模拟时，支撑剂非均匀分布状态不可忽略；当基质渗透率为5 mD时，产量计算差异在5%以内，此时不考虑支撑剂非均匀分布相对合理

物联网是未来赛博使能业务的重要支撑平台。蜂窝网络则被认为是广泛分布在部署区域中的物联网终端数据接入的主要渠道，尤其在广域覆盖方面具有难以替代的价值。在满足覆盖要求的条件下，降低蜂窝网络基站的下行发射功率在绿色通信方面具有重要的研究意义。由此提出了一种基于优化目标平滑近似和均方根传播策略的梯度下降算法，在满足物联网业务覆盖率的条件下最小化基站的总下行发射功率。首先，使用罚函数方法将复杂约束条件的异构蜂窝网络优化问题转化为简单约束形式的优化问题；其次，将不可导的目标函数通过平滑近似转化为可导形式，并给出其对天线下倾角和下行功率参数的梯度解析形式；最后，使用均方根传播梯度下降算法进行转化后的目标函数优化。仿真实验结果表明该算法可以在满足覆盖率指标的条件下最小化基站的总下行发射功率，与现有元启发算法和普通梯度下降算法相比，具有良好的收敛速度，并能更好地抑制优化过程中振荡

针对地磁导航方向适配性分析时人工提取的特征主观性较强且难以表达深层的结构性特征的问题,提出一种基于深度卷积神经网络(convolutional neural network,CNN)的地磁导航方向适配性分析方法.首先,利用Gabor滤波器的方向选择特性建立了6个典型方向的适配特征图;然后,设计了卷积神经网络对深层次的方向适配特征进行提取,并通过混和粒子群算法(hybrid particle swarm optimization,HPSO)对卷积神经网络的训练参数进行优选;最后,通过仿真实验对所提方法进行了验证.结果表明,该方法可有效避免复杂的计算以及人工特征提取的盲目性,实现了地磁导航方向适配性分析的自动化,且所提方法的准确率高于传统的BP网络和支持向量机,对地磁导航和航迹规划具有指导意义

为了解决社交网络中用户申请加入群组的合适性判断问题，将安全多方计算技术中的求和协议与秘密比较协议相结合提出了保护私有信息的合群判定协议.其中基础协议解决一维线性模型下问题的安全求解，扩展协议对基于圆边界的多维模型情况进行判定.针对单一申请者与网络群组多用户的特点，将问题转换为两方计算模型可实现的形式，在证明了协议正确性的基础上分析协议的复杂度，并且利用安全视图的方法逐步验证了在协议执行过程中不会泄露任何个人的隐私数据.实际使用中协议能够有效地回避盲目的系统推荐和管理员离线所产生的判定时延，同时保护申请者和群组成员的隐私数据

第一章　人造与天生 第二章　蜂群思维 第三章　有心智的机器 第四章　组装复杂性 第五章　共同进化 第六章　自然之流变 第七章　控制的兴起 第八章　封闭系统 第九章　“冒出”的生态圈 第十章　工业生态学 第十一章　网络经济学 第十二章　电子货币 第十三章　上帝的游戏 第十四章　在形式的图书馆中 第十五章　人工进化 第十六章　控制的未来 第十七章　开放的宇宙 第十八章　有组织的变化之架构 第十九章　后达尔文主义 第二十章　沉睡的蝴蝶 第二十一章　水往高处流 第二十二章　预言机 第二十三章　整体、空洞，以及空间 第二十四章　九律

 自然语言处理概述 ◼ 什么是自然语言处理 ◼ 自然语言处理的典型应用 ◼ 自然语言处理的基本任务 ◼ 自然语言处理的基本策略和实现方法 ◼ 自然语言处理的难点 ◼ 自然语言处理所涉及的学科  基于规则（知识工程）的自然语言处理方法（理性方法，传统方法） ◼ 基于词典和规则的形态还原（英语）、词性标注以及分词（汉语、日语） ◼ 基于CFG（上下文无关文法）和扩充的CFG（复杂特征集、合一运算）的句法分析 ◼ 基于逻辑形式和格语法的句义分析 ◼ 基于规则的机器翻译  基于语料库（数据）的自然语言处理方法（经验方法） ◼ 语言模型（N元文法） ◼ 分词、词性标注（序列化标注模型） ◼ 句法分析（概率上下文无关模型、移进-规约分析器） ◼ 文本分类（朴素贝叶斯模型、最大熵模型） ◼ 情感分析 ◼ 机器翻译 (IBM Model等) ◼ ......（基于神经网络的深度学习方法）

一．基本概念 二．电力系统的结线方式 三．电压等级及适用范围 四．电力系统中性点的运行方式 第二章 电力系统各元件的特性和数学模型 第三章 简单电力网络的潮流计算和分析 1. 电力线路和变压器的运行状况的计算和分析 2. 简单电力网络的潮流分布和控制 第四章 复杂电力系统潮流的计算机算法 1. 基本概念 2. 电力网络方程 3. 功率方程和节点分类 4. 潮流计算的迭代算法 5. 简化潮流的计算 6. 潮流计算中稀疏技术的应用 第五章 电力系统运行方式的调整与控制 1. 有功功率的最优分布 2. 频率调整 3. 无功功率的最优分布 4. 电压调整 第七章 电力系统对称故障分析 ➢ 7-1概述 ➢ 短路－－系统中相与相之间或相与大地之间的非正常连接 ➢ 一 短路的原因和后果 第八章 电力系统不对称故障分析

针对提高Wi-Fi指纹室内定位技术性能，提出了一种基于卷积神经网络（Convolutional neural networks，CNN）的信道状态信息（Channel state information，CSI）指纹室内定位方法。在离线阶段联合定位环境参考点的幅度差和相位差信息，利用CNN进行训练，保存训练后的CNN网络模型作为指纹；在线阶段，针对不同实验场景，对测试数据的幅度差信息和相位差信息进行加权处理，引入改进的基于概率的指纹匹配算法，利用待定位点的CSI信息并通过CNN网络模型预测待定位点的坐标。此外，为增强算法普适性，针对复杂室内场景，提出了双节点定位方案来提高定位精度。在廊厅和实验室室内两种不同定位场景进行了实验，信息联合定位算法分别获得了24.7 cm和48.1 cm的平均定位误差，验证了基于CNN的CSI幅度差和相位差联合定位算法的有效性