文章对高性能并行集群的性能测试与优化进行了分析研究

该论文介绍了爆炸载荷模拟的方法，以及一种防护结构的爆炸防护性能计算。

单隐藏层前馈神经网络(Single-hidden Layer Feedforward Neural Network, SLFN)已经在模式识别、自动控制及数据挖掘等领域取得了广泛的应用，但传统学习方法的速度远远不能满足实际的需要，成为制约其发展的主要瓶颈。产生这种情况的两个主要原因是：（1）传统的误差反向传播方法(back propagation，BP)主要基于梯度下降的思想，需要多次迭代；（2）网络的所有参数都需要在训练过程中迭代确定。因此算法的计算量和搜索空间很大。针对以上问题，借鉴ELM的

针对实际交通场景下道路目标检测时存在检测精度低、检测速度慢以及难以检测小目标的问题，faster R-CNN的快速、精确道路目标检测算法。该算法包括一个精确目标区域网络 和一个目标属性学习网络通过引入反卷积结构，设计网络的损失函数，提高小目标的检测性能，为加快算法的计算速度。