基于SDAE-Transformer-ECA网络的锂电池剩余使用寿命预测

锂离子电池剩余使用寿命(remaining useful life,RUL)的准确预测对于提高电池使用寿命、降低异常事故的概率,起着至关重要的作用。本文结合堆叠噪声自编码器(stacked denoising auto encoder,SDAE)和变压器(transformer)的优势,提出了一种结合高效通道注意力(efficient channelattention,ECA)的SDAETransformer-ECA的锂离子电池RUL预测网络。首先,针对电池在使用过程中存在的容量再生现象和数据集采集误差等噪声污染,利用SDAE对输入数据进行重构去噪、提取特征。然后,通过Transformer网络对重构数据进行序列信息的捕获。最后,结合ECA网络对捕获信息进行跨通道整合和交互,从而实现锂离子电池的RUL的预测。本文先基于美国马里兰大学先进生命周期工程中心(Center for Advanced Life Cycle Engineering,CALCE)提供的电池容量数据集进行实验验证,实验证明本文模型的各项误差都较低,具有较高的准确性,且与次优算法Bi-LSTM相比,平均RE相对降低了62.67%,平均MAE相对降低了40.68%,平均RMSE相对降低了34.33%。再使用美国航空航天局(National Aeronautics and Space Administration,NASA)提供的B0007号电池容量数据集进行泛化性验证,实验得到的RE、MAE和RMSE结果分别是1.98%、3.12%和4.16%,与RNN、LSTM、GRU和Bi-LSTM等现有算法相比,本文模型预测准确性更高,证明了该模型的泛化性。

融合动态卷积注意力的机器阅读理解研究

针对机器阅读理解在采用长短期记忆神经网络和注意力机制处理文本序列信息时,存在特征信息提取不足和预测结果准确性不高的问题,提出了一种融合动态卷积注意力的片段抽取型机器阅读理解模型。该模型考虑到LSTM的当前输入和之前的状态相互独立,可能会导致上下文信息丢失,采用Mogrifier作为编码器,让当前输入与前一个状态充分交互多次,增强上下文和问题中的显著结构特征并减弱其次要特征;其次,由于静态卷积的卷积核相同,只能提取固定长度文本的特征,这可能对机器更好的理解文本产生阻碍,通过引入动态卷积,采用多个不同卷积核的一维卷积来捕获上下文和问题的局部结构,弥补注意力机制只有全局捕获能力的缺点。在SQuAD数据集上的实验结果表明,与其他模型相比,该方法有效提升了模型在特征信息提取和答案预测方面的能力。

基于累加法的高斯白噪声性能分析

基于中心极限定理的累加法,提出了一种新的产生高斯白噪声的方法。首先分析了高斯白噪声的特点,用均匀分布随机序列累加产生高斯分布随机序列,分析其时域和频域特征,并与用Matlab里的randn函数产生的高斯分布随机序列进行对比。最后用χ2检验法对由累加法产生的高斯分布随机序列进行检验。实验结果表明,累加法产生的随机数十分近似于高斯分布白噪声。

学校与科研机构联合培养研究生的机制研究

随着2010年《国家中长期人才发展规划纲要（2010－2020年）》的颁布，高校之间，高校与科研机构之间，高校与地方创新力量之间进一步加强通过高层次人才的联合培养，达到合作双赢，其模式一再创新，联合培养研究生的质量优势日渐显示。西南科技大学（西科大）自1993年以来一直坚持走“区域与产学研联合共建”特色办学道路，在联合培养研究生的过程中积累了丰富的经验，同时也反映出一些在合作推动过程中出现的问题。通过案例调研和问卷调查等形式，对目前高等院校和科研机构联合培养研究生中积累的有益经验和存在的问题进行了总结和分析，构建了科研机构与学校联合培养研究生的机制框架。针对在联合培养研究生的过程中涉及的管理协调机制建设、导师遴选机制建设、招生工作机制建设、培养方案及课程体系建设、科研实践训练机制建设、学位授予机制建设、质量评估机制建设等方面系统、立体地研究了这两类主体间开展研究生联合培养的机制建设问题。

锂离子蓄电池恒压补充电方法研究

针对锂离子蓄电池健康充电目标,探索了一种锂离子蓄电池恒压补充电方法。该方法结合锂离子蓄电池充电管理过程,基于反馈控制思想,实现了锂离子蓄电池的恒压补充电。该方法在研制的机载蓄电池地面维护设备中探索应用,应用于锂离子蓄电池的充电维护、循环充放电活化过程。实验结果表明,该方法在充电过程中,能够较好地实现恒压补充电,充电速率较原有限压补充电方式提高20%。在补充电时,锂离子蓄电池温度保持在合适范围内,充电效率和充电时间等参数得到有效提高。该方法对锂离子蓄电池使用寿命的延长有一定促进作用。

专业学位研究生教育质量保障体制研究

首先从专业学位研究生教育与职业资格认证的衔接出发,分析了两者衔接的现存问题,并从职业能力及素养的考核、培养环节以及考核鉴定三个方面,构建了衔接机制。然后针对专业学位研究生联合培养的问题,结合西南科技大学"共建与区域产学研联合办学"体制,充分发挥学校办学优势,从职业实习与实践、实践课程设置、师资队伍建设三个方面探讨了具体的实践措施,从而构建专业学位研究生教育质量保障体制。

高校研究生党支部建设现状及其对策研究

文章通过调查发现,当前研究生党支部建设存在党支部凝聚力和号召力不强、党员组织意识淡薄,党员接收标准把握不严,学习制度和活动方式比较单一、党员间交流不足的问题,提出了加强高校研究生党支部建设的对策,即高度重视研究生党支部思想建设,严格把关发展党员审查工作,创新党支部建设的方式方法,充分发挥导师的作用。

研究生创新能力培养模式的构建

首先阐述了研究生创新能力培养现状,深入分析了研究生创新能力培养模式构建过程中涉及到的问题。研究指出,研究生创新能力培养过程中主要涉及的主体有学生、院校、导师等层面,因而其培养模式的构建也要从这些层面入手,方能形成合力。研究从以上三个层面分别阐述了构建研究生创新能力培养模式过程中需要注意的重点。

新媒体对高校思想政治教育的影响研究

为了做好新媒体时代高校思想政治教育工作,文章从新媒体对高校思政教育环境的影响、新媒体对高校大学生的影响、新媒体对思政教育工作者的影响三个方面全面分析了新媒体对高校思想政治教育的影响。

综合改革背景下的专业学位研究生培养机制研究

在分析近几年发展专业学位研究生教育面临的问题的基础上，西南科技大学以专业学位教育综合改革为契机，结合自身实践，探索创新全日制专业学位研究生培养模式。坚持“重理论、强实践”的人才培养理念，从招生机制、培养机制、考核机制等方面研究产学研联合培养专业学位研究生的培养体系，就进一步做好专业学位研究生教育工作进行探索与实践，达到了促进专业学位研究生培养水平不断提升的目标。

农业硕士研究生分类培养改革探索与实践

为全面提高农业硕士研究生培养质量,构建了“四位一体”的专业学位研究生教育体系。首先,形成了以职业需求为导向的培养目标分类定位理念;其次,构建了“政校企”积极参与的培养机制和基于产教融合的“2+4”联合培养模式;最后,首创农业硕士专业学位研究生“导师能力提升计划”。通过实践与完善,有效解决了分类培养过程中培养目标和培养过程不统一、社会资源利用率不高、学生实践平台及实践经费不能保障等问题。

复合线性调频信号的模糊函数分析

为提高单斜率线性调频信号的距离速度联合分辨力,提出了一种正负双斜率的复合线性调频信号,推导并分析了该信号的模糊函数。仿真得到了复合线性调频信号以及单斜率线性调频两种信号的模糊函数图、-3 dB模糊度图、距离模糊函数图以及速度模糊函数图,对比研究发现复合线性调频信号相对单斜率线性调频信号具有更好的速度分辨力和距离速度联合分辨力。

“共建与区域产学研联合办学”体制下的全日制工程硕士研究生培养模式探索与实践

在分析近几年发展专业学位研究生教育面临的问题基础上,西南科技大学以"共建与区域产学研联合办学"体制为背景,结合自身实践,探索创新全日制工程硕士研究生培养模式。坚持"重理论、强实践"的人才培养理念,从培养方案、导师组制、实践环节、学位论文以及质量评估等六个方面,就进一步做好全日制工程硕士研究生教育工作进行探索与实践,达到了促进全日制工程硕士研究生培养水平不断提升的目标。

基于产教融合的校企联合培养专业硕士拔尖人才模式探索

随着产教融合办学思想渐渐成为我国办学理念的重要组成部分,联合培养专业硕士拔尖人才已成为各高校关注的重点。本文通过分析国内典型的联合培养案例,结合四川省高校产教融合机制实践经验,并借鉴其它学者的研究,构建了一个校企联合培养专业硕士拔尖人才模式的分析框架,分析了目前我国典型的三种校企联合培养模式存在的不足。在此基础之上从“政校企”积极参与的专业学位研究生培养机制、“2+4”联合培养模式等方面详细介绍了西南科大专业学位教育联合培养拔尖人才模式探索。通过构建完善的产教融合协同育人体制机制,为地方高校深入、持续、健康地发展提供理论和实践支撑。

基于校企合作的生物类专业实践教学研究

论述了我国校企合作实践教学的基本情况,分析了进行校企合作教学的必要性,进而以西南科技大学为例,对生物技术专业校企合作的实践教学进行了分析研究,最后对校企合作的实践教学模式的完善提出了具体建议,希望对提高学生的实践创新能力有所帮助。

基于高效通道注意力的UNet肺结节CT图像分割

肺癌是全球死亡率最高的癌症之一,肺结节作为肺癌早期诊断的重要依据,对其进行精准分割格外重要。为了帮助医生诊断肺部病变,本文提出一种改进的UNet肺结节分割方法。首先,在特征提取部分引入高效通道注意力网络(efficient channel attention for deep convolutional neural networks,EcaNet),提高UNet分割效果,使其具有良好的泛化能力。接着,为了降低模型参数量、提升算法分割性能,提出一种基于深度可分离卷积的特征融合模型,用深度可分离卷积代替传统卷积完成特征融合。然后,针对肺结节图像特点,将基于重叠度损失函数(dice loss)与加权交叉熵(weighted cross entropy,WCE)结合作为新的损失函数。最后,为验证所提算法Eca-UNet的有效性,在LIDC-IDRI肺结节公开数据集上进行评估。结果表明:Eca-UNet算法在DICE相似系数、MIOU上比UNet分割算法分别提高10.47、7.34个百分点;同时在训练速度上提升了10.10%,预测速度提升了11.56%。

基于空洞空间金字塔池化和多头自注意力的特征提取网络

针对深度学习在图像处理领域中多尺度特征提取能力弱、特征内部信息捕获能力差的问题,提出了一种基于空洞空间金字塔池化和多头自注意力的特征提取网络(PPSANet)。首先,引入小扩张率的空洞卷积对空洞空间金字塔池化(ASPP)模型进行改进,提高局部特征信息的感受野;其次,将改进的ASPP模型合并到残差网络(ResNet)的每个残差块中,使网络在多个维度上都具有多尺度特征提取能力;最后,将残差网络的底层残差块替换为多头自注意力(MHSA),增强网络特征学习能力,捕获数据和特征内部的相关性。图像分割实验中,与残差网络相比,在肺结节数据集中DICE相似系数(DICE)提升了5.16个百分点,肝癌数据集中DICE提升了5.22个百分点;目标检测实验中,与残差网络相比,平均精度均值(MAP)提升了2.9个百分点。实验结果表明,PPSANet能够有效解决图像处理中多尺度特征提取能力弱和内部信息捕获能力差的问题,在一定程度上提高了图像处理的能力。

基于张量学习的潜在多视图子空间聚类

现有的基于张量的多视图子空间聚类方法在学习过程中仅考虑张量的全局低秩结构,忽略了表示矩阵的局部信息,且这些方法因数据维度高易受到噪声干扰。提出了一种基于张量学习的潜在多视图子空间聚类方法(TLLMSC)。将高维多视图数据投影到低维嵌入空间中,以便学习到干净字典,消除冗余信息及噪声对聚类性能的影响;将低秩投影融入到基于张量学习的多视图子空间聚类框架中,充分挖掘多视图数据的高阶信息;引入拉普拉斯秩约束直接对数据进行分类,提升TLLMSC的聚类效率;设计了一种基于交替方向乘子法的优化算法对TLLMSC进行高效求解。在BBCsport数据集和Washington数据集上进行的聚类实验结果表明,所提方法的聚类性能优于现有先进的多视图聚类方法。

产教融合视域下的专业硕士培养质量保障体系构建

基于产教融合的专业学位研究生培养制改革已成为各高校关注的焦点。从全日制专业硕士培养现存共性问题出发,根据“输入质量—过程质量—输出质量”的理论开展了调研活动,切实厘清专业硕士教育质量保障影响因素。根据访谈情况以及问卷调查结果,为全面提升全日制专业硕士的教育质量,特从专业硕士职业能力培养、导师指导能力提升、联合培养机制等方面进行改革探索,构建基于产教融合的全日制专业硕士质量保障体系。

专业学位教育与职业资格认证的有效衔接机制研究

文章首先阐述了我国目前专业学位研究生教育体系与职业资格认证体系之间脱离程度比较大的问题,并针对这个问题具体分析了实现两者衔接的必要性和可行性,然后从职业能力与素养的考核、培养环节及考核鉴定三个方面,进一步讨论了专业学位教育与职业资格认证的具体衔接策略。