基于AutoCAD的管线空间关系研究及可视化检验程序设计

按照相关规范对各类管线相对空间位置的规定,在AutoCAD中利用程序设计方法设计可视化检验程序,利用管线交叉类型错误,检验管线探测数据的合理性和准确性,有效地提高了管线探测数据质量检查的针对性、有效性及自动化程度。

基于AutoCAD的管线空间关系研究及可视化检验系统建设

本文论述了如何利用相关规范中对各类管线相对空间位置的规定,在AutoCAD中利用程序设计方法,设计检查程序,利用交叉类型错误,检验管线探测数据的准确性。

基于CHF-CNN的语音分离

深度神经网络已经在语音分离方面取得很好的表现,但是卷积神经网络获取的语音信息会更全面。经常用来评估预测目标好坏的分类准确率和命中率-错误率(HIT-FA)之间存在不平衡现象。为了解决这种不平衡,对卷积神经网络的损失函数进行了改进,提出使用二元交叉熵及命中率-错误率混合(CHF)损失函数,构成CHF-CNN模型。实验证明,使用CHF-CNN模型可以同时提高分类准确率和命中率-错误率(HIT-FA)来避免不平衡现象。此外,还验证了不同信噪比下的语音分离成果,发现当信噪比匹配时效果比不匹配时明显好,同时随着信噪比的增大效果会越来越好。

血型鉴定与交叉配血错误干扰及如何避免

对于血型鉴定和交叉培训错误干扰的问题进行研究探讨,找到一种避免出现该的方法问题。方法:选择19例检查受血者或者是献血者作为调查者,并对这些调查者进行血型鉴定和交叉配血实验,并对在实验结果进行分析处理,探讨错误干扰,针对出现的错误干扰问题提出相应的对策以及避免手段。结果:发现发生的错误干扰主要有责任性错误、假阴性反应、假阳性反应、自身抗体免疫或冷自身抗体增高等影响因素。结论:应用一些避免措施可以有效地减少血腥鉴定与交叉配血的错误干扰,大大地提高了得到正确结论的概率。