基于cGAN的刀具磨损状态监测数据集增强方法

在刀具磨损过程中,通常采集的正常磨损阶段的样本数据比初始磨损阶段和急剧磨损阶段的样本数据量多,这导致刀具磨损状态数据集不平衡,从而使深度学习网络模型对刀具磨损状态预测准确性降低。针对问题,文章提出一种基于cGAN的刀具磨损状态监测数据集增强方法。在cGAN中添加了类别条件信息,有利于生成器更好的捕捉刀具磨损样本的数据分布特点,从而生成和真实刀具磨损样本分布相似的样本。采集铣削加工过程中的振动信号,将振动信号转换成频谱数据输入到c GAN中,cGAN通过生成器和鉴别器之间的对抗训练,学习数据分布特点,生成刀具磨损状态样本数据。将增强的数据集输入到深度学习网络模型中进行分类,测试生成数据的可用性。实验结果显示,由增强的刀具磨损状态数据集训练深度学习网络模型,可以有效提高模型对刀具磨损状态监测的准确性,其预测精度达到98.1%。

猪流行性腹泻诊断方法研究进展

猪流行性腹泻的临床症状主要是腹泻、呕吐,哺乳仔猪患病后死亡率高,对猪群的健康构成了严重的威胁。该病诊断时与传染性胃肠炎较难分辨,实验室诊断技术的准确性和及时性,对于准确、快速地诊断该病发挥了非常重要的作用。目前用于该病的诊断方法主要有病原检测技术、血清中和试验、ELISA(酶联免疫吸附试验)法、荧光定量PCR技术、反转录酶链式反应(RT-PCR)检测法、多重PCR技术、胶体金免疫技术等。

基于GAN的刀具状态监测数据集增强方法

在机械加工中,刀具在异常状态下的样本数据较少,数据集不平衡,导致深度学习网络模型对刀具状态预测的准确性难以提高,因此,如何增加异常状态下的样本数据成为亟待解决的问题。针对问题,提出基于生成对抗网络的刀具状态监测数据集增强方法,生成对抗网络的生成器可以生成与原始样本数据具有相似分布的新样本,通过采集镗削加工过程中的振动信号和声音信号,利用生成对抗网络对刀具在异常状态下的样本数据进行生成,并在深度置信网络上测试新样本数据的可用性。实验结果显示,用增强之后的数据集训练深度学习网络模型,其分类精度达到99%以上,因此,该方法能有效地提高刀具状态监测的准确性。

面向网购的服装尺码推荐系统构建与应用——以女式T恤为例

为了解决在服装网购过程中消费者不能现场试衣,导致所购服装合体性不佳、退货率较高的问题,以女式T恤为例,通过文献搜集、专家访谈和实证研究的方式,确立了服装关键部位的合体性松量阈值及不同廓形的判定标准,并以此为基础构建了一套完善的尺码推荐系统。系统数据库储存服装规格尺寸、用户个人尺寸等信息,前端采用bootstrap框架设计,后端使用C#语言开发,系统采用二次函数作为核心算法,通过计算与比较不同尺码的函数值,实现服装尺码智能推荐。经实验验证本系统的推荐准确率达88%以上,可以在一定程度上消除购物疑虑,减少物流成本,促进服装电子商务的发展。

基于改进型拉开档次法的数控机床综合性能评价

针对现有数控机床性能评价研究存在的问题,提出了一种新的基于改进型拉开档次法的静态递阶综合评价方法。利用拉开档次法原理确定了数控机床综合性能评价指标的权重系数,进一步建立了基于改进型拉开档次法的数控机床综合性能评价模型。应用实例的计算结果表明,所建立的数控机床综合性能评价模型合理有效。

抗高血脂药瑞舒伐他汀专利现状分析

目的:介绍瑞舒伐他汀在中国的专利概况,为制药企业制定发展战略提供参考。方法:统计2000年至2013年间瑞舒伐他汀在中国的专利申请状况,包括申请量和授权量、申请区域、申请人、法律状态、专利内容等,并进行定量、定性分析。结果与结论:瑞舒伐他汀在我国尚无核心化合物专利,有效专利也不多,我国制药企业应争取拥有核心化合物专利,并尽快申请外围专利,形成多方位的专利保护网,促进民族医药产业的发展。

猪流行性腹泻诊断方法研究进展

前言:猪流行性腹泻的临床症状主要是腹泻、呕吐,哺乳仔猪患病后死亡率高,对猪群的健康构成了严重的威胁。该病诊断时与传染性胃肠炎较难分辨,实验室诊断技术的准确性和及时性,对于准确、快速地诊断该病发挥了非常重要的作用。目前,用于该病的诊断方法主要有病原检测技术、血清中和试验、ELISA(酶联免疫吸附试验)法、荧光定量PCR技术、反转录酶链式反应(RT-PCR)检测法、多重PCR技术、胶体金免疫技术等。