基于DeepLabv3+的太阳能电池板污染面积分割与计算算法研究

在露天环境中运行的太阳能电池板易受积尘等污染物覆盖的影响,进而降低其发电效率。为了定量评估污染物对太阳能电池板表面污染的程度,文章采用DeepLabv3+语义分割模型对太阳能电池板污染面积进行分割与计算。首先,通过训练DeepLabv3+模型,实现对太阳能电池板图像的精确分割,从而提取出污染区域。然后,通过计算污染区域像素点总数占整块太阳能电池板图像像素点总数的比例,量化污染物的面积。最后,在实际场景中的实验表明,DeepLabv3+分割太阳能电池板污染物的精准率、F1得分和平均准确率分别达到97.17%、96.45%和96.79%。该方法为太阳能电池板的维护管理和效率优化提供了科学依据。

科技创新赋能电影产业高质量发展——从2023年IBC展会看电影科技发展

本文结合对美欧等世界发达国家在电影科技领域的调研、考察和交流,细致阐述了全球电影科技发展的新趋势、新进展、发展重点和应用热点,提出加强国际合作与技术交流,为推进电影强国建设提供发展借鉴,并对新时代科技创新赋能电影产业高质量发展的若干重大问题提出了思考与建议。

1980-2003年广东省外商投资的时空变化分析

广东省外资分布的地域差异是导致省内区域发展不平衡的重要因素之一。本文主要分析改革开放20多年来广东省外商投资的总体时空扩散模式,并探讨不同来源地的外资在不同时期的分布与扩散情况及各自投资动因的变化。研究表明,广东省外商投资的时空模式不断演变,经历了由外资增长极向外扩散的过程﹔随着省内投资环境日趋成熟,政策因素对外商投资的吸引力减弱,而区域经济发展水平与区域市场规模是吸引外资最重要的因素;不同来源地的外资的时空扩散模式与动因皆有一定的差异。最后,对广东省改善投资环境与利用外资工作提出了建议。

基于AD8031多通道采编器的设计与实现

文章简要地介绍了多通道记录器的总体组成;该弹载记录器以FPGA作为主控芯片,实现72通道的数据采集;重点介绍了基于AD8031遥测采编器的设计尤其是采集板卡的设计;针对采集板卡中存在的单电源供电运放存在的震荡问题提出了有效的解决方案即在一级模拟开关运放后串联100欧姆的电阻;通过实验结果图,可观察到震荡消失,且对后续电路没有造成影响;该采编器采取解决该方案之后,经过了高低温和振动试验,工作稳定,震荡消失。该方法已用于以后弹载记录仪的设计和生产中。

基于连续顶点分区的混凝土3D打印路径规划算法

针对混凝土3D打印构件成形质量差和打印时间长的问题,提出了一种基于连续顶点分区的路径规划算法。首先,采用基于哈密顿回路的连续顶点分区方法,将打印区域划分为多个连续的区域,以确保在打印过程中打印喷头不会多次经过同一顶点,从而避免了重复打印和成形质量差的问题。然后,使用遗传算法搜索每个区域,通过迭代和优化来确定最短的打印路径。实验结果表明,与其他路径规划算法相比,所提出的算法能够显著减少打印喷头的空行程和启停次数,且缩短打印时间10%以上,有效地提升了混凝土构件的成形质量与打印效率。基于连续顶点分区的混凝土3D打印路径规划算法通过有效划分打印区域、智能搜索最短路径以及合并优化路径的方式,解决了混凝土3D打印构件成形质量差和打印时间长的问题,这可为混凝土3D打印技术的发展和应用提供有力的技术支持。

基于卷积神经网络-长短期记忆神经网络模型利用光学体积描记术重建动脉血压波信号

目的直接动脉血压(arterial blood pressure,ABP)连续监测是侵入式的,传统袖带式的间接血压测量法无法实现连续监测。既往利用光学体积描记术(photoplethysmography,PPG)实现了连续无创血压监测,但其为收缩压和舒张压的离散值,而非ABP波的连续值,本研究期望基于卷积神经网络-长短期记忆神经网络(CNN-LSTM)利用PPG信号波重建ABP波信号,实现连续无创血压监测。方法构建CNN-LSTM混合神经网络模型,利用重症监护医学信息集(medical information mart for intensive care,MIMIC)中的PPG与ABP波同步记录信号数据,将PPG信号波经预处理降噪、归一化、滑窗分割后输入该模型,重建与之同步对应的ABP波信号。结果使用窗口长度312的CNN-LSTM神经网络时,重建ABP值与实际ABP值间误差最小,平均绝对误差(mean absolute error,MAE)和均方根误差(root mean square error,RMSE)分别为2.79 mmHg和4.24 mmHg,余弦相似度最大,重建ABP值与实际ABP值一致性和相关性情况良好,符合美国医疗器械促进协会(Association for the Advancement of Medical Instrumentation,AAMI)标准。结论CNN-LSTM混合神经网络可利用PPG信号波重建ABP波信号,实现连续无创血压监测。

面向缪子透射成像的BCD-NES算法

针对大规模缪子透射成像场景,提出一种基于块坐标下降(BCD)的缪子透射成像模型.设计具有抗噪能力的牛顿误差累积(NES)算法对该模型进行求解,构建一种面向缪子透射成像的BCDNES算法.该算法在求解缪子透射成像问题时能够避免对大规模优化问题的直接求解,显著降低计算复杂度和内存资源占用.仿真与实验结果表明,在有噪声和无噪声情形下,该算法均能有效实现对待测物体成像,还能避免实际应用中的异常体变形问题,弥补传统成像方法的不足.

中国2009-2012年微博教育应用研究综述

微博这一技术的出现,给教育带来了机遇和挑战,从2010-2012年国内关于微博的教育应用成果不在少数,为了更好地利用这一技术,有必要对已有的研究成果进行总结和反思。对微博教育应用研究过程、研究内容等进行了综述。

基于改进Mask R-CNN的受电弓碳滑板优化检测算法

针对传统受电弓碳滑板检测中检测效率低、检测精度差等缺点,提出一种基于Mask R-CNN的优化改进算法。该算法采用铁道部受电弓损坏评定的新规定及实地的样本数据集,通过改进特征提取算法的网络结构以及优化损失值来提高算法对图像的处理效率,实现受电弓碳滑板缺陷的掩膜准确标注,有效减小受电弓滑板的损毁对电力机车运行的影响。最终通过实验验证该算法对受电弓碳滑板缺陷的检测精度和效率有明显的提升作用。

基于BP神经网络和C-Means聚类算法的水下导航适配区分类预测

在国家明确强调“海洋强国”战略部署的时代背景下,适配区分类预测技术是解决水下导航与定位问题的核心技术。因此,研发基于重力异常数据的水下导航适配区分类预测模型,对于提高导航可靠性与精准度具有关键性的技术意义。本文针对不同区域的重力异常特征分布不同,首先提出一种基于C-Means聚类算法的区域适配性标定方法,通过将海域划分为五类,对各区域进行适配性标定。然后,在此基础上,本文提出一种基于BP神经网络的适配区分类预测方法,对区域适配度进行预测。实验结果表明,本文提出的预测模型在训练集中的预测精度达到99%,而在测试集中模型的预测精度达到97%。由此可见本文提出的预测模型具有较好的迁移性能,能够帮助水下航行器进行精准定位。

基于PANNs-CNN的环境声音分类算法研究及应用

环境声音分类(ESC)技术主要涉及声音特征提取和分类器算法的选择。为了探索最佳的特征提取方法和分类器组合,文章对深度学习模型PANNs-CNN进行了研究和分析,对不同的特征提取方法进行了实验对比。实验结果表明,在与同类模型对比中,选用预训练且更深层的CNN模型可以提高ESC的预测性能;Log-Mel特征可以更好地保留声音信号高维度特征及特征相关性,有助于提升模型分类准确率。文章研究的基于Log-Mel特征提取方式和PANNs-CNN 14的环境声音分类算法在ESC-50数据集上的分类准确率最好,并且在实际应用中验证了该算法的有效性。

基于改进Faster-RCNN算法的边坡行人安全检测研究

当边坡出现地质灾害时,边坡上的滚石会对下方公路上的行人带来危险,造成人员伤亡和直接的经济损失。对此提出一种视觉行人检测算法,当检测有行人出现时进行警示,避免安全隐患。为提升视觉算法的检测精度,提出了一种改进的Faster-RCNN目标检测算法。首先,将最大池和平均池分别引入到ResNet残差结构中,保存更完整的特征信息;其次,提出Fpnc-ResNet50结构,在ResNet结构的基础上,融合多尺度特征和CBAM注意力机制,提高对小目标和行人遮挡问题的识别能力;最后,将EIoU损失与均方误差损失相结合,加快模型的收敛速度,提高模型在未知数据的检测效果,并进一步改善背景混乱下的行人遮挡问题。通过实验验证,本文提出的算法相比原算法在检测精度上提升了4.01%,有良好的实际应用效果。

基于CEEMDAN-SVM-LSTM的高炉煤气利用率组合预测

煤气利用率是高炉炉况稳定和耗能的重要指标之一。为提高煤气利用率的预测精度,提出一种基于CEEMDAN-SVM-LSTM的组合模型对其进行预测。首先利用CEEMDAN(自适应噪声完备集合经验模态分解)将煤气利用率时间序列分解成6个模态量和一个趋势分量,对煤气流利用率的发展进行解耦;然后用LSTM(长短时间记忆人工神经网络)和SVM(支持向量机)分别对分解的高频模态和低频模态进行预测,最后将模型组合建立原始煤气利用率的组合预测模型。结果表明该组合模型的MAE(平均绝对误差)、MAPE(平均绝对百分比误差)、RMSE(均方根误差)和MSE(均方误差)分别为0.14、3.5%、0.18、0.032。与单一的SVM模型和LSTM预测模型对比,组合模型的精度更高。

基于Matlab和MSP430的心音信号采集和处理系统设计

本文提出了一种基于Matlab和16位低功耗单片机MSP430的心音信号采集系统的设计方法。给出了Matlab和单片机通信时利用其分配串口缓冲区来解决Matlab处理需大量数据的技术瓶颈,从而实现了心音信号的时域及频域图形的动态显示,数字滤波,存储读取以及显示区域的滑条控制的具体方法。

3G时代把握“90后”商机

上个世纪90年代后出生的人群被称为"90后",他们是沐浴着改革开放的春风、伴随全球化和互联网浪潮成长的新新人类,有着全新的价值观念、思维方式、生活理念和消费模式,是未来社会的主流和消费市场的主导者。谁赢得"90后",谁就能赢得未来。目前"90后"正成为电信消费的主流市场,在3G时代必将成为"宠儿",成为3G的使用者、推广者和代言人。电信企业应把"90后"学生市场作为重要的细分市场进行研究,挖掘"90后"消费价值,出台专属化的营销策略,做好"眼球"和"体验"营销,使之成为在3G时代打响的"第一枪"。

一种服务于K-means的初始中心选取方法

聚类是数据挖掘领域最重要的技术之一,K-means是其中使用频率最高的举足轻重的聚类算法。然而,Kmeans算法表现严重依赖于初始中心,选取多少个初始中心以及选择哪些数据点作为初始中心对K-means算法十分重要。基于此,提出一种初始中心选取方法 DPCC(Density Peak Clustering Centers)。DPCC方法基于密度和距离生成一个选取决策图,将数据集中所有的密度峰值点凸显出来。这些密度峰值点即为DPCC方法为K-means算法提供的初始中心。实验表明,DPCC方法不仅可为K-means提供初始中心数量,还能有效提高K-means算法的准确度,并缩减K-means算法的执行时间。

PANI-Fe_3O_4复合材料的制备及其电磁参数匹配特性的数值模拟

以电损耗型吸波剂为研究基础,根据传输线理论模拟获得给定条件下的理想电磁参数区域,考察厚度(d)、频率(f)、反射率(R)等因素对理想电磁参数区域的影响。将模拟结果与导电聚苯胺(PANI)的测试结果进行对比,给出吸波剂改性方向并预测不同频段下的吸波性能。结果显示,在中空结构PANI表面负载Fe_3O_4后,复合材料的介电损耗降低,磁损耗增加,介电损耗角正切(tanδ_ε)和磁损耗角正切(tanδ_μ)相接近,电磁匹配特性得到改善,上述实验结论与模拟结果相吻合。

TD-LTE系统F频段与GSM900系统间干扰隔离问题分析与研究

主要对TD-LTE系统F频段与GSM900系统间的干扰隔离问题进行分析。首先提出了TD-LTE宏基站与GSM900系统共址时干扰隔离距离理论要求,并在此基础上,对F频段与GSM900的隔离距离进行多次验证测试研究,对比分析各种隔离距离场景下的LTE网络吞吐能力。通过LTE网络建设中的实施应用,最终给出了TD-LTE室外宏站(F频段)与GSM900系统共站时的干扰隔离结论。

基于RF特征优选和WOA-ELM的风电齿轮箱故障诊断

针对风电机组齿轮箱故障特征提取不足,故障诊断率低问题,提出了一种基于RF特征优选,结合WOA-ELM特征识别的风电齿轮箱故障诊断方法。首先,提取风电齿轮箱时域、频域、时频域特征,构建多域高维特征集;其次,利用RF进行特征重要度排序并提取10维优选特征;最后,利用WOA优化调整ELM模型的输入权值和隐含层阈值,实现风电齿轮箱故障分类识别。将本文方法应用于风电齿轮箱故障诊断,实验结果表明,本文方法平均诊断率能达到99.81%,诊断准确率均高于对比方法且诊断用时最少,能够有效地进行风电齿轮箱故障诊断。

基于CM-RippleNet的社区发现知识图谱推荐算法

针对RippleNet未充分考虑实体聚集的关联性,导致推荐实体不够准确的问题,提出基于社区发现的模型CM-RippleNet,该模型通过构建知识图谱复杂网络,使同一个社区内的成员具有较高的相似度;利用Louvain算法对网络中的节点进行社区划分,得到节点-社区映射矩阵,将其加入到实体节点的嵌入表示中,融合用户表示最终计算出推荐结果。在两个公共知识图谱数据集上的实验结果表明:与KGCN、RippleNet、PER、MKR模型相比,CM-RippleNet模型的ACC、AUC、准确度与召回率指标有极大的提升,验证了模型的有效性。