用电监测技术在家庭火灾预防中的应用研究

本文探讨了用电监测技术在家庭火灾预防中的应用意义及应用范畴,总结用电监测技术的实际应用情况。采用用电监测技术对家庭用电设备进行实时监测,分析监测数据,并提出有效的预防措施。结果表明,通过对家庭用电设备的实时监测,用电监测技术能够及时发现电器设备的异常情况,有效预防家庭火灾的发生。同时,用电监测技术还能够对家庭用电设备进行能耗统计和分析,提出合理的用电建议,降低家庭用电成本。因此,建议在家庭用电中广泛应用用电监测技术,以提高家庭火灾预防的效果。

基于稀疏字典表示的无监督域适应学习算法

现有迁移学习方法通常仅关注如何减小源域和目标域之间的分布差异,忽略了源域和目标域样本自身的偏差。为此提出一种基于稀疏字典表示的无监督域适应学习方法(SRDA)。利用字典学习重构源域和目标域的样本,学习源域和目标域的字典及样本的稀疏表示,在其稀疏表示空间添加约束,使目标域可以在稀疏表示空间和源域共享同一个分类器,通过在源域稀疏表示空间学习的分类器对目标域进行分类,完成目标域分类任务,实现域适应学习。实验结果表明,所提出的SRDA算法能够有效完成源域与目标域间的知识迁移,且性能优于传统基于特征迁移的域适应方法。

基于用户和产品Attention机制的层次BGRU模型

文本情感分类的核心问题是如何有效地表示文本的情感语义,然而,目前的大多数方法只考虑到了文本内容中的情感语义,忽略了与文本内容相关的用户信息以及文本内容所描述的产品信息。已有的包含用户和产品信息方法也存在着以下两个问题:(1)不能有效地表示用户和产品信息,而且模型复杂度过高导致训练速度满。(2)文本情感语义表示模型过于简单,不能有效地表示文本中的上下文语义信息。针对以上两个问题,提出了相应的解决方案:(1)针对用户和产品的评价数据,利用奇异值分解(Singular Value Decomposition,SVD)的方法得到用户和产品的语义准确的先验信息,同时避免了用户和产品信息等相关参数的训练,缓解了模型复杂度高的问题。(2)利用双向的门循环单元(GRU)模型代替原有的简单模型,更加有效地结合了文本中的上下文语义信息。实验结果表明:相比传统的文本分类方法,提出的方法有更好的分类效果,在部分实验数据中达到了最好的分类准确度。同时模型的训练速度也得到了提升。

基于参数字典的多源域自适应学习算法

领域自适应是机器学习算法研究中一个热点,多源域自适应旨在利用多个源域的相关知识辅助目标域进行学习,现有多源领域自适应方法仅关注各源域和目标域间的知识迁移,很少考虑各源域间的相关性和共享信息。为此,提出一种基于参数字典的多源域自适应学习算法(DL_MSDA),通过学习各源域模型参数的公共字典,挖掘源域间的共享知识,并将其迁移至目标域,指导目标域模型参数的学习,完成知识从多个源域到目标域的迁移。模型可利用交替迭代(ADMM)方法进行求解。实验选取经典的多源迁移学习算法DAM进行对比,并在多个迁移学习图像数据集上进行了充分的验证。实验结果表明,DL_MSDA能够有效挖掘多个源域间共有的信息,辅助目标域模型参数的学习,提升目标域的分类性能。

基于边缘计算的图像语义分割应用与研究

随着深度学习在医学影像分割、药品检测等医学领域的广泛应用,语义分割技术承载了举足轻重的地位。语义分割融合了目标检测和图像识别两大技术,旨在将图像分割成多组具有特定语义的区域,属于像素级别的密集分类问题。然而为了推动移动视觉识别技术的有效发展,传统深度学习模型在功耗、内存管理、实时性等方面都无法满足移动设备的要求。边缘计算是一种有效将计算、网络、存储、带宽等能力从主机端延伸到移动边缘端的新型架构模式,从而实现在有限计算资源环境下的模型推理运行。因此,文中尝试在基于边缘TPU协处理器的开发板上完成FCN,SegNet,U-Net等经典图像语义分割模型的转换、部署及推理运行,并在采集的真实药品数据集上验证提出的语义分割模型的正确性及性能。

浅析500kV变电站电容隔直装置的应用

在西电东送战略中,由于高压直流输电的诸多优点而被大量应用。而当高压直流输电系统处于大地回流运行方式时,附近的变压器会产生严重的直流偏磁问题。为了抑制变压器中性点的直流分量,目前在南方电网为500kV变压器中性点安装电容隔直装置已经成为维护电网稳定运行的重要措施。本文对变压器直流偏磁问题进行了阐述,重点分析了电容隔直装置的运行原理,简要介绍了电容隔直装置的基本应用。

混合流形结构的子空间聚类研究

主要讨论了线性流形和多流形的相关性分析、聚类分析等基本问题,在假设高维数据模型为多个子空间混合模型的基础上,分析了原始数据的几何结构特征,对于线性流形聚类问题采用稀疏子空间聚类算法(SSC),对于多流形聚类问题采用混合流形聚类算法(SMMC).此外,还通过对原始数据进行数据重采样,达到降维的目的,更有效的提取空间几何特征量,达到更好的聚类效果.