基于门控时空注意力的视频帧预测模型

针对循环式视频帧预测架构存在精度低、训练缓慢,以及结构复杂和误差累积等问题,提出了一种基于门控时空注意力的视频帧预测模型。首先,通过空间编码器提取视频帧序列的高级语义信息,同时保留背景特征;其次,建立门控时空注意力机制,采用多尺度深度条形卷积和通道注意力来学习帧内及帧间的时空特征,并利用门控融合机制平衡时空注意力的特征学习能力;最后,由空间解码器将高级特征解码为预测的真实图像,并补充背景语义以完善细节。在Moving MNIST、TaxiBJ、WeatherBench、KITTI数据集上的实验结果显示,同多进多出模型SimVP相比,MSE分别降低了14.7%、6.7%、10.5%、18.5%,在消融扩展实验中,所提模型达到了较好的综合性能,具有预测精度高、计算量低和推理效率高等优势。

基于图神经网络的文本分类方法研究综述

文本分类是自然语言处理领域中的一个重要任务,旨在将给定的文本数据分配到预定义的一组类别中。传统的文本分类方法只能处理欧氏空间的数据,不能处理图这种非欧氏数据。而对于图结构的文本数据无法直接处理,无法捕捉图中的非欧氏结构。因此,如何将图神经网络应用到文本分类任务中是目前的研究热点之一。对基于图神经网络的文本分类方法进行了综述,概述了基于机器学习和基于深度学习的传统文本分类方法,总结了图卷积神经网络的背景和原理;根据不同类型的图网络详细阐述了基于图神经网络的文本分类方法,同时对图神经网络模型在文本分类中的应用进行了深入分析;对目前基于图神经网络的文本分类模型进行了对比实验,讨论了模型的分类性能;提出了未来的研究方向,以推动该领域的进一步发展。

基于强化学习的知识图谱推理研究综述

知识推理作为知识图谱补全中的一项重要任务,受到了学术界的广泛关注。为了提高模型的推理效果和可解释性,将强化学习与知识推理的结合是一种可行的解决方法。基于强化学习的知识推理方法将知识图谱研究的问题建模成路径或序列决策问题,能够更好地利用实体、关系等语义信息来提高推理效果和可解释性。首先,对知识图谱和知识推理的基本概念进行了叙述,阐述了近年来的研究进展。随后,从单层强化学习知识推理和双层强化学习知识推理两个角度,对基于强化学习的知识推理相关研究进行了分析与对比。最后,对知识推理如何应用于知识问答、智能推荐、医疗和交通等领域进行了探讨,并对基于强化学习的知识推理的未来研究方向进行了展望。

基于贪婪算法的网络通信未知蠕虫检测仿真

网络蠕虫具有智能化和综合网络攻击性,无须计算机使用者干预即可运行的攻击程序或代码,且攻击传播速度较快。计算机防御模型多采用杀毒软件处理蠕虫的检测,但是无法提前防御蠕虫的攻击。因此,提出基于贪婪算法的网络通信未知蠕虫检测方法。通过云安全环境建立蠕虫传播模型,提取未知蠕虫数据特征,采用贪婪算法构建自编码器,降维蠕虫数据特征。利用改进蚁群算法和SVM建立网络攻击检测模型,将降维后蠕虫数据特征输入模型中,完成未知蠕虫的检测。实验结果表明,研究方法的蠕虫检测率更高,且丢包率低于0.5%,主机感染率降低,说明所提方法的应用性能更优。

预制装配式钢混组合梁桥施工方案及质量控制措施

以50m简支钢混组合梁为实例,结合钢混组合梁施工方案,首先分析钢梁安装安全风险、钢梁线性控制、焊接施工质量等施工技术重难点和解决措施,并重点总结钢梁制造与吊装,组合梁桥面板的预制、存放与安装,现浇缝混凝土技术要求,预埋件及临时连接件等钢混组合梁制造、安装关键技术及安全质量控制措施。通过对钢混组合梁施工方案、工艺流程、技术难度及对策、质量控制措施的阐述,形成了一套适用于大跨度钢混组合梁施工作业方案。

“大气探测学”本科教学改革的探索与应用——以理论与实践结合的教学方法为中心

理论与实践是“大气探测学”课程中的两个重要环节。以浙江大学大气科学系“大气探测学”课程改革为例,分析了“大气探测学”课程改革的难点与重要性,提出了优化课程结构和知识组织、引入仪器实物、利用多媒体资源等理论教学方法,并结合实际剖析了实践内容任务化、校内平台建设规模化、校外实践基地合作紧密化等实践教学改革方法,以达到促进学生在实践中理解理论知识、运用理论知识的目的。旨在提高学生发现问题、提出问题、解决问题的能力,培养学生的科学素养。

利用通道剪枝技术的实时实例分割方法

随着实例分割技术在各种场景中的应用越来越广泛,运行速度和硬件资源占用是该技术在应用中需要考虑的2个重要因素。最近提出的基于图像原型掩码系数的实例分割网络(YOLACT)在运行速度方面做得很好,但是需要设置较大的特征提取网络才能保证分割精确度,这就导致了模型占用的硬件资源较多,同时运行速度也受到了限制。在YOLACT的基础上,提出一种新的模型,对实例分割的特征提取网络进行了优化,先使用基于批量归一化层放缩因子的通道剪枝方法对YOLACT网络进行压缩,然后对压缩后的卷积层和批量归一化层进行融合,最后,在COCO val2017上对本文提出的方法进行了评估。实验结果表明,相比原始的YOLACT网络,该方法的模型文件大小可以减少56.9%,运行速度提升28.6%,运行时显存占用也降低了13.6%,有效地减少了硬件资源占用,并且提升了运行速度。

大气探测学多元实践教学模式改革——以云的观测为例

作为大气科学专业的基础课程,大气探测学通常使用理论与实践相结合的方式进行教学.实验内容是课程教学的重点和难点.以浙江大学大气科学系大气探测学课程改革为例,详细阐述了大气探测学中云的观测相关教学实验的设计思路,提出融合教师示范性实验与学生自主性实践,结合校内实验平台和校外实践平台等方法,强调激发学生团队合作和自主探究的潜能,以拓展学生专业眼界,锻炼学生的综合应用能力.旨在培养学生的科学兴趣和素养.

基于关系学习的小样本知识图谱补全模型

在小样本知识图谱中,实体对之间的关系表示复杂多样。然而,现有的小样本知识图谱补全方法普遍存在关系学习能力不足和忽略实体上下文语义的问题。为解决这些问题,提出了一种基于关系学习的小样本知识图谱补全模型FRLC。首先,在聚合高阶邻域实体信息的过程中引入了门控机制,这一步骤旨在丰富中心实体表达的同时减少噪声对邻居的不良影响。其次,在关系学习阶段充分利用参考集实体对之间的相关性,实现更加准确的关系表示。最后,在Transformer学习器中,引入了LSTM结构进一步学习实体和关系的上下文语义信息,用于预测新的事实知识。为了验证FRLC的有效性,在公开的NELL-One和Wiki-One数据集上将FRLC与6个小样本知识图谱补全模型和5个传统模型的5-shot链接预测进行了对比实验,结果表明:FRLC在MRR、Hits@10、Hits@5和Hits@1这4个指标上都有所提升,证明了模型的有效性。

武汉IGS站WUHN点位变化特征分析

针对不同地区IGS观测站时间序列周期性、运动特征存在差异的问题,基于GAMIT/GLOBK 10.7软件获取了2010—2020年武汉(WUHN)站的ITRF 2014坐标时间序列;并利用功率谱分析方法对WUHN站时间序列周期项进行分离和提取。实验结果表明,WUHN站坐标时间序列在U方向上存在年周期性和半年周期性;在N、E方向上具有线性变化特征,平均运动速度分别为-12 mm/a和33 mm/a;武汉地区呈向东南方向运动的趋势,通过极大似然值分析,证实了WUHN站坐标时间序列噪声最佳模型为白噪声+随机游走噪声+闪烁噪声组合模型。

长江三角洲地区高空云过程气溶胶——云相互作用的观测研究

气溶胶—云相互作用过程对于评估大气云和气溶胶的寿命及气候效应至关重要。目前关于气溶胶—云相互作用的研究主要以飞机航测、卫星反演和模式模拟为主,地基直接观测由于布置难度大、实验时间长、人力物力耗费等原因开展得较少。当前针对气溶胶—云相互作用机制的理解还比较低,亟需外场观测资料深入认识其过程。本研究以长江三角洲地区高山站点的云雾为背景,利用雾滴谱仪、地用逆流虚拟撞击器、混合凝聚核粒子计数器、扫描电迁移率颗粒物粒径谱仪等仪器,研究了大明山顶(海拔1483 m)7月份多云雾期间云滴和气溶胶的特性,探讨了气溶胶对云形成和发展的影响以及云对气溶胶颗粒物的清除作用。云形成初期对气溶胶颗粒物的清除率约为20%~50%。研究显示水汽过饱和度越高且颗粒物粒径越大,清除率越高,这表明粒径较大的吸湿性颗粒物容易活化为云凝结核。对比同一云雾事件中气溶胶数浓度差异较大的三个阶段,我们发现较低的气溶胶数浓度有利于形成液态水含量高的浓云,此时云团由数量相对较少而粒径大的云滴组成,而大气颗粒物数量增多会使云雾变淡,此时的云团由大量细小的云滴组成。本研究分析了8μm以上云滴的云凝结核数量分布特征,发现大云滴的云凝结核几乎都是100 nm以上的颗粒物;随着气溶胶数浓度升高,8μm以上大云滴的数量减少,且大云滴云凝结核的平均直径变大。这些结果显示气溶胶数浓度升高会促使云滴的数量增多而等效直径变小,在水汽有限的自然环境中,气溶胶数浓度越高,颗粒物的临界活化直径越大。总之,我们发现大气气溶胶的数浓度—粒径分布特性影响着云滴的数量和粒径,云的形成和发展也对气溶胶颗粒物有较强的清除作用。

基于数值仿真的水流量对空气雾化喷嘴雾化性能影响研究

内混式空气雾化喷嘴由于其不易堵塞、耗气率低、耗水量少等优点,已被广泛应用于喷雾降尘领域。为了分析内混式空气雾化喷嘴的雾化特性和降尘效果,应用Fluent软件,采用CFD算法模拟了水流量对内混式空气雾化喷嘴水流破裂长度、空气速度和雾滴粒径3种雾化参数的影响,研究得出:在供气压力不变的情况下,水流量越大,水流碎裂长度越大,喷嘴出口处气体所占比例越小,喷嘴雾化效果越弱;喷嘴出口处及混合腔内的空气速度随着水流量的增加而不断下降,液体的雾化效果随之降低;雾滴平均粒径和大粒径雾滴占有比例均随着水流量的增大而不断增大;雾滴数量随水流量增大而不断减少。

河南省新型储能产业高质量集群发展研究

河南省认真贯彻二十大报告精神,开辟发展新领域、新赛道,多措并举,催生出一批新型储能产业新业态和新模式,各类储能特色产业不断壮大,为构建河南省“双碳”目标下经济稳步增长的创新驱动新引擎奠定了良好基础。然而,想要抓住新型储能产业大发展的历史机遇,必须正视产业发展困境与制约因素,对症施策,加快形成新质生产力,促进储能产业高质量持续发展。本文全面梳理并分析了河南省新型储能产业现状、产业政策、学科与创新平台,指出了目前产业发展所存在的问题,探究了产业集群化发展的动力源与动力主体之间的协同机理,并提出“政-协-企-校”四位一体模式协同打造创新驱动型产业集群。以政策引领、产链布局、集群发展、创新驱动、人才建设为着力点,加强协会和高校的参与度,促进政府、行业协会、企业、高校四大动力主体统筹布局、正向互促、高效推进,提高全要素生产率,增强产业核心竞争力,打造新质生产力引领的产业良性循环发展生态,加快河南新型储能产业高质量集群发展。

基于电力大数据的用户用电量多维度自适应分析系统开发

本文针对用户用电量分析问题展开研究,先根据用电量分析现状开展框架设计,然后从信息采集设备、网络通讯设备、后台存储设备等方面出发进行系统硬件配置。在实际开发需求支持下,设计用户管理子程序、用电行为分析子程序、异常用电识别子程序等。建成的系统初步测试发现用户用电行为分析结果直观准确,异常行为识别准确率高达100%,且电力需求预测误差控制在1.0kWh以内。

大型立式循环水泵振动异常分析与治理

大型立式循环水泵是火力发电厂内重要设备之一,若其振动异常会诱发机组安全可靠性降低,可能导致机组减负荷,甚至非计划停机。针对大型立式循环水泵运行中出现的振动现象,进行了循环水泵振动机理分析,并列举了轴瓦磨损、叶片裂纹的测试及分析。探讨了大型立式循环水泵常见的故障机理,结合实际故障处理案例,并基于振动测试、频谱分析等方法,给出具有针对性的处理措施,以保障设备的安全性,具有优良的工程借鉴价值。

命名实体识别研究综述

命名实体识别作为自然语言处理中的一项核心任务,在信息抽取、问答系统、机器翻译等方面应用广泛。首先,对基于规则和词典、基于统计机器学习的方法进行了描述和总结。其次,综述了基于深度学习中有监督、远程监督和Transformer的命名实体识别模型,特别对近年来在自然语言处理领域中热门的Transformer架构及其相关模型进行了阐述,包括基于Transformer的掩码语言建模和自回归语言建模,如BERT、T5和GPT等。再次,简要探讨了应用于命名实体识别中基于数据的迁移学习和基于模型的迁移学习方法。最后,总结了命名实体识别任务面临的挑战和未来的发展趋势。

1000MW汽轮机中压阀门异常振动分析及治理

针对某型超超临界1000MW机组运行过程中出现中压阀门振动过大的异常现象,对中压阀门以及机组轴系振动进行测试及分析,得出中压阀门振动以50Hz分量为主,与机组转频、阀门固有频率比较接近,表明中压阀门存在结构共振现象,且激振源为中压转子。进一步分析表明:中压缸进汽阀门组弹簧支撑刚性不足、中压缸载荷不均,是诱发中压阀门结构共振的主要原因。在检修中,更换新的中压阀门支撑弹簧,并提高其预压紧量,提升其刚度及稳定性;对中压缸缸体进行载荷分配,提升缸体稳定性,从而降低中压转子振动对阀门的影响。处理后,1000MW机组中压阀门振动大幅降低,提高了机组的安全可靠性,具有很好的工程借鉴价值。

基于局部区域动态覆盖的3D点云分类方法

局部几何形状的描述能力,对不规则的点云形状表示是十分重要的.然而,现有的网络仍然很难有效地捕捉准确的局部形状信息.在点云中模拟深度可分离卷积计算方式,提出一种新型的动态覆盖卷积(dynamic cover convolution, DC-Conv),以聚合局部特征. DC-Conv的核心是空间覆盖算子(space cover operator, SCOP),该算子通过在局部区域中构建各向异性的空间几何体覆盖局部特征空间,以加强局部特征的紧凑性.DC-Conv通过在局部邻域中动态组合多个SCOP,实现局部形状的捕捉.其中,SCOP的注意力系数通过数据驱动的方式由点位置自适应地学习得到.在3D点云形状识别基准数据集ModelNet40, ModelNet10和ScanObjectNN上的实验结果表明,该方法能有效提高3D点云形状识别的性能和对稀疏点云的鲁棒性.最后,也提供了充分的消融实验验证该方法的有效性.开源代码发布在https://github.com/changshuowang/DC-CNN.

基于不确定知识图谱嵌入的多关系近似推理模型

针对大规模知识图谱(KG)的不确定性嵌入模型中无法对多种逻辑关系进行近似推理的问题,提出一种基于不确定KG嵌入(UKGE)的多关系近似推理模型UDConEx(Uncertainty DistMult(Distance Multiplicative) and complex Convolution Embedding)。首先,UDConEx结合DistMult和ComplEx(Complex Embedding)模型的特点,使得UDConEx具有推理对称与非对称关系的能力;其次,UDConEx采用卷积神经网络(CNN)捕获不确定性KG中的交互信息,使它具有推理逆关系和传递关系的能力;最后,UDConEx利用神经网络对KG的不确定信息进行置信度学习,在UKGE空间中可以进行近似推理。在CN15k、NL27k和PPI5k这3个公开数据集上的实验结果表明,相较于MUKGE(Multiplex UKGE)模型,UDConEx在CN15k、NL27k和PPI5k的置信度预测任务中平均绝对误差(MAE)分别降低了6.3%,30.1%和44.9%;在关系事实排名任务中,基于线性的归一化折损累计增益(NDCG)在CN15k和NL27k数据集中分别提升了5.8%和2.6%;在多关系近似推理任务中验证了UDConEx具有多种逻辑关系的近似推理能力。UDConEx弥补了传统嵌入模型无法进行置信度预测的不足,实现了对多种逻辑关系的近似推理,具有更精确、具有可解释性的不确定性知识图谱推理能力。

基于多尺度特征和注意力机制的深度学习点云压缩

三维点云广泛应用于无人驾驶、实景三维等领域,然而复杂场景的海量点云对存储、处理和传输等带来极大挑战。提出一种基于多尺度特征和注意力机制的深度变分自编码点云几何信息压缩算法MSA-GPCC,通过加入多尺度模型提取特征、变分自编码器构建熵模型,继而结合尺度注意力模块和多尺度特征,实现基于熵编码的点云几何信息高码率、低失真压缩。在MPEG数据集上进行的实验表明,相比G-PCC算法和基于深度学习的D-PCC算法,MSA-GPCC算法在点间等比特率下平均质量增益分别提升7.72和4.91 dB,点到面等比特率下平均质量增益分别提升5.56和3.09 dB。