一种基于脑网络的分层模块化回声状态网络

针对回声状态网络(Echo state network,ESN)结构设计问题,提出一种基于脑网络的分层模块化回声状态网络(Hierarchical modular echo state network,HMESN)。脑网络的拓扑结构使功能网络具有丰富的动力学特性,因此,从生物仿生学角度出发,对HMESN的储备池进行分层设计,各层级上的神经元采用小世界网络构建算法生成模块化结构,并引入层级连接。基于脑网络分层模块化的拓扑特征弱化了神经元间的耦合程度,从而使神经元的动力学特性更为丰富,在功能与结构上更接近于真实生物神经网络,有效地提高了网络处理问题的能力。采用Mackey-Glass时间序列预测和非线性系统辨识对网络进行验证,证明该网络的有效性和可行性。

脉冲电流对Ti-6Al-4V合金显微组织及力学性能的影响

采用组织观察、性能检测、断口分析等方法研究了脉冲电流对Ti-6Al-4V合金显微组织及力学性能的影响。结果表明,脉冲电流使试样瞬间急速升温、产生较高的热压应力,并发生α→β相变,随后试样快速降温冷却发生β→α′相变。由于急速升温和快速冷却,新相的形核率增加且无充足时间长大,使合金的显微组织细化,而相变和组织细化导致了合金力学性能提高和电阻率变化。适当优化电脉冲处理工艺参数可使Ti-6Al-4V合金的综合力学性能明显提高。通过测量电阻变化可间接表征电脉冲处理后材料微观组织结构的变化程度。

基于多尺度残差卷积自编码器的图像聚类方法

对于图像的聚类,现有方法在特征提取方面或难以选择合适的维度转换方法,或提取的特征对图像特征的表达较弱且不够丰富,对图像的聚类效果产生了较大影响,导致了聚类精度较低。为此,提出一种基于多尺度残差卷积自编码器的图像聚类方法,通过构建具有若干个含有残差连接的多尺度卷积模块,获得中间层的高维特征表达,并以此进行图像聚类。实验结果表明,在MNIST数据集上的聚类准确率为82.2%,ARI(Adjusted Rand Index)值为0.7810,NMI(Normalized Mutual Information)值为0.8532,模型达到了较好的聚类效果。