改进深度交叉网络的遥感信息即时智能推荐方法

随着遥感大数据时代的到来,海量遥感数据的主动、即时推送问题成为限制遥感信息智能服务领域发展的瓶颈。针对现有遥感信息推荐模型空间特征表达能力不足、交叉特征表达能力欠缺和无差别对待交叉特征等问题,本文提出一种融合注意力机制的深度交叉空间变换网络(attention deep&cross spatial-transformation network,ADCSTN)。首先,模型使用深度交叉网络提取遥感信息不同关联的交叉特征;然后,基于栅格划分,利用空间变换层将一维空间属性数据转换为二维空间矩阵,充分捕捉遥感信息空间结构特征;最后,通过注意力层对得到的不同关联的交叉特征设置不同权重,增强模型性能,实现遥感信息的主动、即时、智能推送。本文利用STK仿真1584颗智能遥感卫星组成的遥感卫星星座为20°N—40°N、120°E—140°E区域内的舰船提供实时遥感数据,并设置用户兴趣,得到试验数据集。试验结果表明,本文模型的推荐效果较好,相比于传统的四元组模型,F_(1)score提高了37%~54.7%。

基于深度交叉CNN和免交互GrabCut的显著性检测

针对传统显著性检测算法特征学习不足,显著性区域边界不明确和检测效果鲁棒性较差等问题,提出一种基于深度交叉卷积神经网络和免交互Grab Cut的显著性检测算法。该方法首先针对传统CNN模型中神经元和参数规模较大导致训练困难的不足,根据人眼视觉原理,构建深度交叉卷积神经网络模型(DCCNN);然后,采用超像素聚类方法获取图像区域特征,并通过Beltrami滤波突出图像内的边界特征,利用DCCNN对特征进行学习,在联合条件随机场框架下完成特征融合,实现显著性区域粗糙检测;最后,对粗糙检测结果自适应二值化和形态学膨胀,将显著区域的多边形逼近结果作为Grab Cut算法的输入,完成显著性区域的精确检测。实验结果表明所提算法能够有效提高显著性检测精度,具有更好的鲁棒性和普适性。

融合注意力机制的深度交叉网络作物推荐模型

根据土壤数据进行作物推荐是农业大数据应用的重要内容之一。针对现有土壤数据推荐模型忽略土壤文本域信息、土壤数据交叉特征表达能力不足和无差别对待交叉特征问题,提出一种融合注意力机制的深度交叉网络作物推荐模型。首先,该模型对土壤文本数据通过向量化嵌入转化成低维稠密向量;然后通过注意力机制训练稠密向量交叉特征的权重;再连接数值域特征、稠密向量和带有权重的交叉特征并输入交叉网络层和深度网络层;最后结合深度网络层和交叉网络层输出得到推荐的作物。在中华土壤数据集上的数据表明,该模型F1达到93.4%,优于现有的主流作物推荐模型,证明了融合注意力机制的作物推荐模型的优越性。

《城市道路——立体交叉施工图设计深度图样》05MR102

《城市道路——立体交叉施工图设计深度图样》05MR102依据《道路工程制图标准》（GB 50162—92）、鳓市道路设计规范》（CJJ37—90）等规范，按照市政公用工程施工图设计文件编制深度的相关规定，借鉴工程实例，对施工图设计阶段的城市立交总体设计和线形设计的内容、深度及绘制方法等作了示例。在城市立交施工图设计概述中介绍了城市立交施工图主要设计内容、城市立交线形设计内容和方法。城市立交施工图设计图纸（总体设计和线形设计）选择了一个定向型立交作为实例，给出了设计图示范，以表达施工图设计阶段城市立交线形设计、施工图的编制方法和内容深度。

《城市道路——立体交叉可行性研究、初步设计深度图样》05MR103

《城市道路——立体交叉可行性研究、初步设计深度图样》05MR103遵照《道路工程制图标准》（GB50162—92）、《城市道路设计规范》（CJJ37—90）等规范要求，按照市政公用工程设计文件编制深度的相关规定，借鉴工程实例，分别对可行性研究阶段、初步设计阶段的城市立交总体设计和线形设计的内容、深度及绘制方法等作了示例。内容包括城市立交设计概述、城市立交设计流程、常用城市立交基本形式及适用条件、城市立交线形设计的内容和方法。城市立交工程可行性研究设计图纸（总体设计及线形设计）和城市立交初步设计图纸（总体设计及线形设计）分别选择了半个苜蓿叶型立交和一个Y型立交作为实例，进行了设计示范。

煤层含气量预测中的机器学习算法优选

准确预测煤层气含量对煤层气开发具有重要指导意义。机器学习方法对提高煤层含气量预测精度有良好的效果。因此,筛选出一套可以准确且高效预测煤层含气量的机器学习算法就显得尤为重要。基于文献调研结果,选取了深度神经网络(DNN)、卷积神经网络(CNN)、深度信念网络(DBN)、深度交叉网络(DCN)、传统梯度提升树(GBT)、分类梯度提升树(CatBoost)和随机森林(RF)7种机器学习算法开展煤层含气量的预测;选取了测井响应特征、煤质参数和煤层储层特征作为机器学习模型的输入变量。采用DBSCAN聚类算法进行离群值的鉴别与剔除工作。基于统计学显著性检验结果,DCN模型是煤层气含量预测的最佳模型,其平均绝对百分比误差为3.7826%。本研究为煤层气勘探及储层评价提供了新的思路与方法,研究中涉及到的建模策略及思想可用于解决地球物理、石油工业中的其他问题。

纵波与转换波的横向分辨率比较

在多分量地震勘探中,纵波(PP波)与转换波(PS波)的横向分辨率高低一直没有得到系统的研究。本文就煤田多分量地震勘探中PP波与PS波的横向分辨率与转换点位置、纵横波速度比、炮检距、界面深度以及品质因子等影响因素的关系进行了讨论,并对煤田实际资料进行了处理,结果表明在一般情况下,PS波的横向分辨率要高于PP波,纵横波速度比和品质因子比对PP波和PS波的横向分辨率之比值影响较大,界面深度较浅以及炮检距较大时对横向分辨率之比值影响较大。这一结论可对多分量地震勘探的观测系统设计以及处理解释提供新的依据。

罗家地区转换波地震勘探分辨率定量分析

转换波地震勘探分辨率一直是多波地震勘探争论的焦点。基于吸收衰减介质中地震波衰减机理以及纵波、转换波的纵向和横向分辨率定义，对衰减介质中转换波的主频以及分辨率随传播深度的变化进行了分析研究。首先针对胜利油田罗家地区实际地层物性参数，通过理论公式计算分析，获得了研究工区转换波主频、振幅和分辨率随目的层深度的变化规律，计算出其纵波与转换波纵向分辨率的理论交叉点深度在1966～2250m；然后通过高密度3D3c地震资料纵波与转换波剖面的对比分析，显示出罗家地区的实际交叉点深度约为1980m，即在探测深度小于该交叉点深度的中浅层，转换波资料的分辨能力要优于纵波资料。浅层气藏识别的应用实例证明了转换波与纵波资料联合解释的良好效果。

考虑多维动态特征交互的高速公路实时事故风险建模

为探究天气和道路等特征,以及交通流、天气、道路及时间等多维动态特征之间的交互作用对实时事故风险预测模型精度的影响,本文基于京哈高速公路北京段的事故数据,以及匹配的交通传感器数据、天气数据和道路特征等,构建4个数据集,分别为只包含交通流变量,包含交通流变量、天气及时间特征变量,包含交通流变量、道路及时间特征变量,包含交通流变量、天气、道路及时间特征变量。从考虑多维动态特征的交互效应出发,基于深度交叉网络,提出一种新的实时事故风险预测模型。结果显示,本文所构建的深度交叉网络模型比其他几种实时事故风险预测方法显示出更高的精度。模型的AUC值(Area Under Curve)可达0.8562,在0.2的概率阈值下,可以正确分类84.26%的非事故数据和77.55%事故数据。结论表明,本文采用的多维动态特征交互样本条件下的深度交叉网络模型能够有效地预测高速公路交通事故,可为我国高速公路安全管理部门提供理论与技术支持。

基于民机通信导航与雷达的专业核心课程群建设与实践研究

课程群建设是高校课程教学改革的一种有效途径。立足民机通信导航与雷达课程,提出了基于“深度交叉”和“多元融合”为主要特征的专业核心课程群建设方案,阐述了教学体系、教材讲义、教学资源、实验条件和师资队伍五方面的具体建设措施,有效激发了课堂活力,显著提升了教学效果,有力推动了新工科教学改革。

基于可穿戴设备的FDCN模型在大学生情绪变化检测中的应用

大学生的情绪问题已经成为高校学生管理的难点,如何让学生管理工作部门尽早发现学生情绪变化并提前介入是当前急需解决的问题.针对大学生情绪变化检测问题,利用手机、可穿戴设备等收集了学生运动、环境、状态等数据,结合情感模型对学生情感进行了度量.提出了基于因子分解机的深度交叉网络(FDCN)情绪变化检测模型,该模型以深度交叉网络为基础,结合因子分解机充分学习特征的低阶组合和高阶组合及非线性关系,提高了对大学生情绪变化检测的精度.采用真实数据集进行实验的结果说明:该模型对比其它模型在多个评价指标上均有提升,具有更准确和更稳定的预测效果.

从学科交叉到交叉学科:法学教育的新文科发展之路

基于“理论法学+部门法学”学科体系所构建的传统法学教育模式过分强调专业细分,不同学科之间相互割裂,使得培养出来的法治人才的思维方式相对狭隘、知识结构相对单一、实践能力较为薄弱,难以适应社会问题跨界化、知识应用综合化的时代需要,复合型高素质法治人才培养水平滞后于社会变革和法治实践。在全面推进新文科建设背景下,深度交叉融合的新文科发展理念渗透法学学科建设之中,突破法学知识固有的局限,推动法学教育跨学科化发展,有助于培养法科学生的跨领域知识融通能力。新法科建设由浅入深、循序渐进,应以社会需求为导向,打破学科壁垒,创新交叉融合机制,从法学学科内各部门法之间的“小交叉”向法学学科与其他学科之间的“大交叉”转型升级,从研究方法创新向学科设置创新转换,重点围绕国家安全、人工智能、社会治理等新兴领域培育交叉学科。