课程文献中心 更多>>

关键词： 边坡   变形   混沌特征分析   长短期记忆人工神经网络   预测  

摘要： 为实现露天矿边坡变形的精准预测与及时稳定性评价,研究基于边坡变形的时间序列数据,运用互信息法和相关系数(C-C)法来确定时间序列重构相空间的最佳嵌入维数和时间延迟。通过对时间序列进行相空间重构,深入分析了边坡变形时间序列中最邻近相点的动态演化规律。在此基础上,结合了长短期记忆人工神经网络(LSTM)对边坡变形时间序列进行了预测。研究结果显示,在相空间重构的条件下,时间序列中最邻近相点的平均距离增大,意味着边坡变形的混沌特征更为显著,其内在动力系统也更为复杂。LSTM深度学习网络展现出了对边坡变形的短期精确预测能力,预测结果的平均绝对误差不超过2.5 mm(监测点L16的预测精度更高,绝对误差保持在1.5 mm内),表现出了较高的预测精度和良好的泛化能力。基于最邻近相点和变形预测结果的分析,可以对边坡的稳定状态进行有效识别。这一研究方法为露天矿开采过程中边坡稳定性评价提供了新的视角,并为矿山安全管理提供了重要的科学依据和技术支撑。

关键词： 过程工业   不确定性   数据驱动优化   算法   应用  

摘要： 数字化转型过程中,过程工业面临着设计和运行中的不确定性挑战。这些不确定性挑战的来源多种多样,且信息量大,需要借助优化技术来处理。本文分析了传统与数据驱动的不确定性优化方法的优势和局限,对传统优化方法(如鲁棒优化)、随机规划和数据驱动优化方法(包括数据驱动的鲁棒优化、随机规划和分布式鲁棒优化)等进行了对比分析。在此基础上探讨了能源系统、炼油和石化以及供应链等多种场景中面对不确定性时如何应用数据驱动的优化方法解决设计、优化、控制、决策等多种类型的问题。最后指出了过程工业应用这些方法时面临的一些挑战及潜在的改进路径。

关键词： 深度学习   目标检测   包裹检测   轻量级   自注意力机制  

摘要： 为了解决深度学习包裹破损检测中遇到的数据多样和复杂性问题,提出了一种基于多头自注意力(Multi-Head Self-Attention,MHSA)机制与卷积神经网络(Convolutional Neural Network,CNN)模块的轻量级包裹破损检测算法。在YOLOv7框架的基础上,采用了BoT3模型替换主干网络部分,使其能够更好地捕捉输入序列中的长距离依赖关系,从而提高特征表达能力;使用卷积块注意力模块(Convolutional Block Attention Module,CBAM)注意力机制对特征融合部分中的MP-2模块进行融合,使其能够更有效地挖掘特征图中的通道和位置相关性,从而提升网络的感知能力和性能。通过在多个不同的数据集上进行测试,在各类包裹图像的平均精度均值(Mean Average Precision,mAP)方面达到了88.4%,与YOLOv7相比检测精度提升了10.9%,利于实际场景下的包裹破损检测。

关键词： 变分不等式问题与不动点问题   Tseng型外梯度算法   拟单调映射   半压缩映射   强收敛  

摘要： 该文在Hilbert空间中提出具有惯性项的Tseng型外梯度算法,找到了拟单调变分不等式问题与半压缩映射的不动点问题的公共解.在拟单调和一致连续的条件下,获得了算法所生成序列的强收敛性.最后,通过一些数值例子说明了该算法的有效性.

关键词： 算法文学性   人工智能   读者  

摘要： 相比作者在模仿现实的基础上精心打磨文字、故事情节、叙事结构而产出富有情感性、创造力和生命力的文学作品,算法文学则由智能机器统计分析既有文学作品数据而后瞬间生成文本内容。尽管算法文学因无需关联世界而缺少深刻的现实维度,不经作家精心创作而不具有人类情感意志,但是倘若它只靠数据化的文本生成内容,便可逐渐在言象意创制上显示出不亚于人类的创作水准,甚至完善到反过来影响人们对现实的审美观念、态度与倾向,那么最大的余项在于,读者是否真正信任这种只有工具性意识而缺乏主体性的机器生成文本,又能否在此基础上开展主体之间的实质性审美对话关系。

关键词： 弱光环境   人脸检测   图像增强   多任务联合学习   局部判别器  

摘要： 弱光场景中的人脸检测指在弱光条件下使用图像处理技术检测人脸。目前,大多数弱光环境下的人脸检测算法通常先将弱光图像进行增强再进行人脸检测,忽略了人脸检测和图像增强任务之间的特征相关性,从而影响了模型泛化能力。受EnlightenGAN算法的启发,文中提出一种适用于弱光环境人脸检测的多任务联合学习算法:首先融合人脸检测和图像增强的输入层共享表示;其次将人脸注意力网络和EnlightenGAN相结合,在全局-局部判别器的基础上增加用于人脸区域判定的局部判别器;最后在自正则化注意力图的基础上增加光照权重参数,通过调节使人脸检测的精度达到最佳值。在DARK FACE数据集上的实验结果表明,与现有算法相比,所提算法的人脸检测精度提升了1.92%,同时能够很好地提升弱光图像视觉质量。

关键词： 无人机空战   矩阵对策法   卡尔曼滤波   差分进化  

摘要： 以无人机一对一近视距空战为研究背景,提出一种融合加权矩阵对策与进化算法,结合粗细粒度优化的空战决策方法。首先,基于实际作战情况建立无人机机动模型和空战态势评估优势函数;其次,考虑到基于机动动作库的离散变量优化与满足机动能力的连续型优化2种方式各自存在精度不足和计算代价高的问题,提出将粗细粒度优化相结合的机动动作决策框架。在粗粒度优化层面上,引入矩阵对策法,同时针对传统矩阵对策法机动权重参考选择保守的问题,基于卡尔曼滤波算法进行权重调整;在细粒度优化层面上,基于差分进化原理,进一步搜索更好的机动动作。仿真算例中,通过4组对比实验,验证了所提决策框架的有效性,基于轨迹预测的加权矩阵对策算法能够针对敌方的动作采取有效的应对策略。

关键词： 火灾烟雾检测   YOLOv5s   注意力机制   神经网络  

摘要： 针对多种环境下早期火灾烟雾小导致的目标检测精度不足,以及特征表达能力不充分等问题,提出了一种基于YOLOv5s的火灾烟雾检测改进算法。首先,对火灾烟雾图像数据集的结构进行了详细分析;然后,根据数据集结构特点,在主干网引入了通道注意力机制与空间注意力机制;最后,增加了小目标检测层,以更加有效地关注小目标的检测。实验结果表明,改进后的YOLOv5s算法精确率达到了89.9%,其平均准确率均值PmA相较于原YOLOv5s的提高了5.0%。该模型在火灾烟雾检测方面表现出优异效果,对火灾烟雾的早期预警具有指导意义。

关键词： 合成语音检测   连续学习   弹性正交权重修正   预训练模型   深度神经网络  

摘要： 目前,深度学习在合成语音检测领域取得了巨大的成功.然而,通常情况下,深度模型可以在与训练集分布相似的测试集上取得高准确率,但在跨数据集的情境下,其准确率却会显著下降.为了提高模型在新数据集上的泛化能力,通常需要对其进行微调,但这会导致模型遭受灾难性遗忘.灾难性遗忘指的是模型在新数据上的训练会损害其从旧数据中获得的知识,导致对旧数据的识别性能下降.目前,克服灾难性遗忘的主要算法之一是连续学习.面向合成语音检测提出了一种连续学习算法——弹性正交权重修正(elastic orthogonal weight modification,EOWM),用于克服灾难性遗忘.该算法通过修正模型在学习新知识时的参数更新方向和更新幅度,以减少对已学知识的损害.具体来说,该算法在模型学习新知识时要求参数的更新方向与旧任务的数据分布正交,并同时限制对旧任务中重要参数的更新幅度.在合成语音检测领域的跨数据集实验中,算法取得了良好的效果.与微调相比,该算法在旧数据集上的等错误率(equal error rate,EER)从7.334%降低至0.821%,相对下降了90%;在新数据集上的等错误率从0.513%降低至0.315%,相对下降了40%.

关键词： 短波   数据链   选频建链   多域正交   抗干扰  

摘要： 针对短波数据链建链过程中定频建链频率选择困难、时效性低、易被侦获干扰以及多用户同时建链时易产生互扰的问题,提出一种基于多域正交选频的多用户短波数据链算法。首先,根据建链用户数和用频间隔等参数,利用多域正交规划将用频带宽进行分割,再根据禁用频率和用频需求得到各用户可用频点集,最后,利用系统选频建链功能为多用户同时建立短波数据链。算法有效解决了多用户同时建链中的选频困难、用频易冲突以及定频建链不稳定、用频易暴露等问题,有效提升了系统可用性和抗干扰能力。