课程文献中心 更多>>

关键词： 顶点分解   最大平均度   森林   围长  

摘要： 若图G的顶点集可被分解为子集V1和V2使得?（G[V1]）d1,?（G[V2]）d2,则称图G存在（?d1,?d2）-分解.若G[V1]和G[V2]分别为最大度d1和d2的森林,则称图G存在（Fd1, Fd2）-分解. Borodin和Kostochka （2014）证明了最大平均度不超过7/（24）的图存在（?2,?6）-分解,并且构造了无限多个最大平均度任意接近274且不存在（?2,?6）-分解的图.本文进一步细化上述结果,证明最大平均度不超过274的图存在（F2, F6）-分解.作为推论,本文得到亏格不超过1且围长为5的图存在（F2, F6）-分解.

关键词： 二次函数   初中数学   分类讨论  

摘要： 在中考数学的试题中,二次函数性质综合题一直都是作为压轴大题出现.此类问题常常会涉及函数知识与几何知识的综合应用,这也就导致其具有较大的难度.本文通过具体的实例,对二次函数性质的综合问题的解题过程展开详细解析,旨在帮助学生提高解决此类问题的答题效率.

关键词： 图神经网络   自注意机制   时空相关性  

摘要： 交通流预测是智能交通系统的关键部分,传统预测方法采用时间序列法作为解决方案,其性能无法满足。基于图神经网络(GNN)的方法缺乏考虑连续时间阶段相邻图节点间传递的信息,限制潜在的图异质性建模;基于卷积神经网络CNN的方法在长序列预测任务中存在梯度消失问题。本文提出了一种相互聚合图注意力网络(MAGAN),关注相邻图节点在连续时间阶段的时空相关性,且以自注意为基础,具备长时间范围的预测能力,并通过大量实验验证其有效性。

关键词： 激活函数   神经网络   近似计算   硬件设计  

摘要： 设计一个可配置的激活函数模块,可实现5种不同的非线性激活函数.所设计的电路以指数和对数模块为核心,采用分段近似和查找表的方法对其进行近似计算,并根据误差存在的对称性,使用对称映射查表的思想减少逻辑分支.所提出的电路架构可以通过配置来控制不同的数据通路,进而实现不同激活函数计算,且易于拓展.本研究所提出的电路在KC705开发板上进行综合,工作频率可达到350 MHz,在资源消耗、精度与频率上取得了较好的平衡.

关键词： 二十四孝图   壁画   城隍庙   平和县  

摘要： 福建平和城隍庙建于明正德年间,为国家重点文物保护单位。目前庙内壁画留存约33平方米。其中,《二十四孝图》壁画采用白描勾勒、水墨晕染的手法,颇具文人之风,为南方壁画遗珍。《二十四孝图》壁画曾受到外力作用,地仗层开裂、空鼓,存在大面积脱落的隐患,亟待研究、保藏、修复。对比分析《二十四孝图》壁画与《十八层地狱图》壁画,从作者的身份、壁画图像内容、相关文献记载等方面看,《二十四孝图》壁画应为南靖县明末贡士陈金声于清代前期绘制。

关键词： 美景   山景图   兔妈妈   照片  

摘要： 兔妈妈一路奔跑,遇见了很多美景,这天她好不容易停下来欣赏自己拍摄的照片。山里的景色真美呀,请你帮兔妈妈用照片拼出一幅完整的山景图吧!

关键词： 高维多目标优化算法   博弈论   分区策略   平衡适应度估计  

摘要： 针对高维多目标进化算法(Many-objective Optimization Evolutionary Algorithm,简称MaOEA)在求解工程问题时存在的选择压力低、收敛性与多样性难以平衡等问题,提出一种基于区域划分博弈的高维多目标进化算法(Many-objective Evolutionary Algorithm based on Game with Region Division,简称MaOEA-Game),该算法在环境选择阶段设计了分区协同选择策略和分区删除策略,并以种群目标函数值和平衡适应度估计作为收益函数,推动解集快速逼近真实Pareto前沿。实验结果显示,相较于其他四种算法,MaOEA-Game在处理基准测试问题DTLZ上优势显著,能够为云计算任务调度模型提供更优的解决方案,有效提升了算法求解性能。

关键词： 非齐次三角函数   最值定理   充要条件  

摘要： 三角函数中的最值问题,是高考数学考察的重要内容.给出了求解一类非齐次三角函数最值的充要条件,并将该最值定理应用于求解函数的最值问题.

关键词： 三角形中   三角函数   最值问题   辅助角公式  

摘要： 三角函数最值问题是高考与竞赛的热点内容,与三角形结合的最值问题通常有多个变量,本文针对此类问题,先从基础题出发,揭示其常见规律,再一题多变,引出其常见变形,旨在挖掘出此类问题的通性通法,促进学生的深度学习.

关键词： 图注意力网络   多头自注意力机制   社交影响   对比学习  

摘要： 近年来,通过引入自注意力机制,图注意力网络(graph attention networks,简称GAT)在社交网络影响力预测上取得较好的预测效果.然而,现有的基于图注意力网络的方法往往忽略了自注意力机制中多头信息之间的协同性和差异性,缺乏对多头信息的协同挖掘与有效利用.提出一种基于多头对比学习与图注意力神经网络模型的社交影响预测方法.该方法通过引入对比学习机制,实现多头自注意力机制的输出之间一致性与差异性的对比,提升多头图注意力神经网络模型的学习能力.实验结果表明,该方法能够进一步提高社交影响力的预测效果.