几何造型技术是一项研究在计算机中，如何表达物体模型形状的技术。它从诞生到现在，仅仅经历了三十多年 的发展历史，由于几何造型技术研究的迅速发展和计算机硬件性能的大幅度提高，已经出现了许多以几何造型作为 核心的实用化系统，在航空航天、汽车、造船、机械、建筑和电子等行业得到了广泛的应用

深度神经网络技术用于机械设备故障诊断展现出了巨大潜力，但繁重复杂的计算量对计算机硬件提出了严苛的要求，严重限制了其在实际工程中的应用。基于此提出一种新型的轻量级神经网络ShuffleNet，用于高速列车轮对轴承故障诊断研究。该网络模型基于模块化设计思想，包含多个高效率的ShuffleNet单元，通过运用分组卷积与深度可分离卷积技术极大改善了传统卷积操作的运算效率；同时使用通道混洗方法克服了通道分组带来的约束，改进了网络的损失精度。实验分析表明，所提网络模型可有效用于复杂工况下高速列车轮对轴承故障诊断，相比传统卷积神经网络、残差网络和Xception等当前深度神经网络模型，在保证诊断精度的同时，运行效率得到大幅提升。这为深度神经网络技术应用于工程实际，克服计算机硬件条件限制提供了一条新的途径

一．实验目的： 1．根据一定的生产目的如抗生素或酶类的生产，建立不同的筛选模型，并从特定的样 品如土壤中筛选出高产适宜的菌株。 2．加深对发酵工程上游技术中菌种选育的认识；学会常规选种和育种的方法，树立科 学认真仔细的态度，培养科研协作精神

传统 PM2.5 预测方法获取污染物浓度数据需要大型精密仪器，成本较高. 本文尝试利用图像数据进行 PM2.5 浓度预 测. 大气 PM2.5 浓度的变化与图像的暗通道强度、对比度和 HSI（Hue-saturation-intensity）颜色差异有密切联系. 大气中 PM2.5 浓度的升高会导致非天空区域的暗通道强度值下降，图像对比度下降和 HSI 空间颜色差异变小. 通过分析 PM2.5 浓度 与图像特征的关系，提出了一种基于图像混合核的列生成空气质量 PM2.5 预测模型

树是一类结构较为简单的图，是用途极 为广泛的离散数学模型，特别是二叉树， 它在计算机科学中用得最多.因此在学习 时应很好地掌握好诸如树的充要条件、 生成树、最优生成树、根树、树的各种 算法、及二叉树的访问次序等内容.平面 图是实际背景很强的一类图，能用本章 介绍的方法判断一个图是否为平面图

对高炉炉身下部用不烧Al2O3-C质耐火材料在水蒸气环境下的抗氧化性能进行了详细的热力学分析和全面的氧化性能实验.根据实验结果,总结出其氧化规律,建立了不烧Al2O3-C质耐火材料的氧化动力学模型.此外,还对氧化前后试样的抗折强度进行了测定和比较

应用传热学原理建立了高炉炉墙温度场数学模型,应用数值模拟方法分析了冷却水管直径和间距、冷却水管至冷却壁热面的距离,镶砖导热系数、镶砖厚度和面积,炉衬厚度,渣铁凝固层厚度及对流换热系数对炉墙热负荷的影响.结果认为,降低炉墙热阻是增大炉墙热负荷的重要途径

油气主要储集在岩石孔隙和缝洞内，深部复杂应力环境下储层岩石裂隙渗透演化直接影响油气的运移规律，是油气勘探开发的重要研究对象。为了解复杂应力路径下含裂隙岩石的渗透演化特性，利用高精度渗流?应力耦合三轴实验设备，对含随机分布裂隙泥岩开展了单试样?复杂应力路径加卸载过程中的渗透性演化试验研究，试验方案依次为：(i) 围压递增条件下渗透性测试；(ii) 渗透压力递增条件下渗透性测试；(iii) 偏应力循环加卸载条件下渗透性测试；(iv) 围压、偏应力同步增长条件下渗透性测试。结果表明裂隙泥岩中的渗流可视为低渗流速度的层流；裂隙发育丰富岩样（R2）渗透率及应力敏感性明显较高。渗透率随渗透压力、围压分别呈正、负的指数函数变化。偏应力加载导致渗透率降低，卸载引起渗透率上升，但整体呈不可逆降低；围压、偏应力同步增长引起渗透率呈下降趋势，并逐步趋于稳定；围压10.3 MPa作用下，渗透率基本保持恒定。由此，基于裂隙双重介质模型，考虑泥岩变形过程中裂隙系统和基质系统的相互作用以及外部应力作用下的裂隙膨胀变形，构建了裂隙泥岩渗透率演化力学模型；模型模拟结果与试验结果具有较好的一致性。相关成果可为裂隙泥岩渗透性演化预测和油气高效开采提供重要的理论依据

本章将讨论有关线程及输入/输出的一些高 级话题。首先，讲述了线程和并发编程的基 本概念、模型和应用；然后阐述怎样从文件 中读取数据和将数据写入文件，其中包括 Java中最常见的输入/输出流；最后介绍了 对象串行化以及如何用对象流实现串行化

接触分析 接触问题是一种高度非线性行为，需要较大的计算资源，为了进行实为有效的计算，理 解问题的特性和建立合理的模型是很重要的。 接触问题存在两个较大的难点：其一，在你求解问题之前，你不知道接触区域，表面之 间是接触或分开是未知的，突然变化的，这随载荷、材料、边界条件和其它因素而定；