基于着色Petri网的知识流建模与分析

知识流建模已经成为知识流研究的关键。基于Petri网的知识流建模,可以形象描述知识异步并发。通过对知识流的监控,有助于知识管理。当Petri网应用于更加复杂的知识流系统时,模型会显得比较庞大。而着色Petri网克服了普通Petri网的缺点,并且可以更加详细的描述企业知识流中的各种知识。最后,知识流模型的仿真结果对企业知识流管理提供了一定参考。

H_(2)O_(2)/HCl体系中2-烷基蒽氧化制2-烷基蒽醌过程研究

为解决2-烷基蒽醌传统生产工艺——苯酐法的污染问题,开发了2-烷基蒽(R-AN)氧化生产2-烷基蒽醌的技术路线。采用过氧化氢盐酸(H_(2)O_(2) /HCl)体系进行R-AN的氧化,通过质谱与核磁共振分析确定主产物为2-烷基蒽醌,副产物为R-AN的一氯和二氯取代物;对氧化反应机理进行研究,明确了氧化反应活性物种为HClO和^(1)O_(2)。系统考察了溶剂种类、反应时间、H_(2)O_(2)及HCl与R-AN的物质的量之比、反应初始液相中的水质量分数[w(H_(2)O)]和R-AN质量浓度[ρ(R-AN)]对氧化反应效果的影响,并基于支持向量回归(SVR)理论建立了收率预测模型。通过模拟优化,确定最佳工艺条件为:常压、70℃、n(H_(2)O_(2))/n(R-AN)=5、n(HCl)n(R-AN)=5、w(H_(2)O)=8%、ρ(R-AN)=0.04 g mL、反应时间8 h。此条件下,所得2-烷基蒽醌的收率大于98%。模型的预测效果好,相对误差大部分在1.5%以内。

基于深度学习的人体行为检测方法研究综述

行为检测是视频理解与计算机视觉领域炙手可热的研究内容,备受国内外学者的关注,在智能监控、人机交互等多领域被广泛应用。随着科技的进步,深度学习在图像分类领域取得了重大突破,将基于深度学习的识别方法应用于人体行为检测研究已成为行为检测中的热点。基于此,首先对几种常用于行为检测的数据集,及近几年深度学习在行为检测领域的研究现状进行了介绍;接着分析了行为检测方法的基本流程,以及几种常用的基于深度学习的检测方法;最后,从方法性能优劣、应用前景等方面对人体行为检测方法的尚存问题与未来发展趋势进行了分析和展望。

基于深度学习的人体行为识别方法研究综述

近年来,由于深度学习的发展,人体行为识别由于其前景广阔迅速成为研究热点,基于深度学习的人体行为识别方法在智慧城市、智慧家居、智慧社区等有很高的应用价值。深度学习依靠计算机视觉通过其强大的表达能力在图像领域的应用不断延伸。在这基础上,介绍了一些基于深度学习的人体行为方法,分析了该方法的优劣性,而后进行总结。