传输线多分支结构的阻抗匹配技术研究

阻抗匹配技术是高频电子电路设计的关键。因此,为了解决特殊结构传输线的阻抗匹配计算问题,该文在阐述传输线阻抗匹配的基本原理的基础上,给出了传输线多分支结构的基本特征。在深入分析了传输线多分支结构的信号传输特性的基础上,结合传输线零阶模型得到了多分支结构阻抗的匹配条件,并对比给出了仿真结果。该文还对传输线多分支结构模型中影响信号传输特性的主要因素进行了分析总结,进一步优化了传输线多分支结构阻抗匹配的解决方案。

基于多分支结构的不确定性局部通道注意力机制

近几年的研究表明视觉注意力机制是提升深层卷积神经网络性能的有效途径.然而,现有的视觉注意力方法更多地致力于建模所有卷积通道之间的相关性,在一定程度上限制了模型的计算效率.此外,这些方法尚未明确考虑相关性建模过程中不确定性带来的影响,缺少对注意力机制在泛化能力和稳定性方面的探索.为解决上述问题,提出了一种多分支局部通道注意力模块(Multi-Branch Local Channel Attention,MBLCA).通过建模通道之间的局部相关性学习各个通道的权重,提升了模型的计算效率.并采用蒙特卡洛(Monte Carlo,MC)Dropout近似的深度贝叶斯学习方法对局部通道注意力模块进行不确定性建模,从而得到一个多分支的局部通道注意力模块.提出的MBLCA模块可以灵活地应用于各种深层卷积神经网络架构中,与同类型的工作相比,嵌入MBLCA模块的ResNet-50网络结构在ImageNet-1K和MS COCO数据集上分别取得了2.58%的分类精度提升和1.9%的AP提升.

基于多核密码处理器的SHA2_512多分支结构映射

为使SHA2_512(全文不统一)算法在单任务大数据的处理方式下能够获得较高的加密速度,研究一种基于多核密码处理器的SHA2_512实现方案。在关键路径上进行多分支结构映射的优化,实现单个密码算法在多个处理器上并行运行,减少加密单组数据所用的时钟周期数,提高加密效率。在多核密码处理器上实际运行,在芯片时钟频率为400 Mhz时,数据处理速度达2354 Mbps。

三种多分支结构坑道内油气爆炸过程的大涡模拟

多分支结构坑道在石油化工、天然气工业中应用十分广泛.研究多分支结构坑道内的油气爆炸过程,对避免或减小人员伤亡和财产损失、提高多分支结构坑道的安全防护水平具有重要意义.针对三种多分支结构坑道(一字分布型、交错分布型、相对分布型),采用WALE湍流模型和Zimout预混燃烧模型对上述三种坑道内的油气爆炸过程进行了模拟分析,重点研究了火焰传播速度、火焰面积、超压峰值、超压上升速率等爆炸过程的关键参数.数值模拟结果表明:总容积不变时,一字分布型和交错分布型坑道内的火焰速度、升压速率均大于相对分布型坑道;支坑道数量不变时,一字分布型和交错分布型火焰传播规律相似,但交错型分布坑道内较一字型分布作用更强;数值分析结果表明,火焰传播速度、火焰面积与爆炸超压特性关系密切,三者之间相互耦合、相互激励,存在显著的正反馈机制.

QBASIC编程一点通(3)——多分支结构程序设计

新学期开始了,我们也要继续开始我们的新课了。上一期我们讲了一个能进行加法和减法运算的程序,今天我们就来继续完善这个程序,使它能完成所有的四则运算(其实有了前面的知识,你可以先自己想想看,怎么完善?做错没有关系,关键要去尝试,失败乃成功之母嘛)。

基于多分支瓶颈结构的轻量型图像分类算法研究

传统卷积神经网络存在着参数量大、训练耗时长、轻量级模型的识别准确度不足的问题.本文提出了一种基于ResNet网络的多分支结构轻量化网络(Residual multi-branch structured Network,RemulbNet),通过在残差结构的主干中使用多分支结构增加特征多样性,利用变体的深度可分离卷积缩减模型参数量,采用Mish激活函数增加网络的非线性表达能力,在有效减少模型体积的情况下,提升网络的分类准确率.利用图像识别数据库,对网络性能进行测试.研究表明,对于5分类花卉识别问题,RemulbNet相比ResNet网络识别准确率提高3.9%,模型参数量减小71%,模型体积减小77%,缩短了约40%训练耗时;与轻量级网络(MobileNet v2和ShuffleNet v2)相比,RemulbNet在识别准确度、模型体积、训练时长和不同的图像分类数据集上都表现出优良的性能.

基于C语言中的分支结构及其用法

文章通过介绍几种语句来实现选择结构程序设计,根据某种条件的成立与否而采用不同的程序段进行处理的程序,遇到多分支选择结构,虽然用嵌套if语句也能实现多分支结构程序,但分支较多时显得很繁琐,可读性较差。C语言中,switch语句专用于实现多分支结构程序,其特点使各分支清晰而直观。

JS分支结构性能优化研究

为实现快速而友好的Web用户界面,最好的办法是提高JS代码在浏览器中的执行效率.本文研究了JS流程控制中的分支结构的执行的优化方法.研究表明:通过构造哈夫曼树重新调整判定树分支的顺序可以提高多分支结构的执行效率.

多分支与自注意力结合的前列腺癌灶分割方法

针对磁共振成像(magnetic resonance imaging,MRI)中前列腺癌病灶形状各异、与相邻组织对比度低、边界模糊等问题,提出一种结合多分支结构与自注意力机制的前列腺癌病灶分割网络。首先利用多分支结构提取图像中不同尺度的特征,增加网络提取特征的多样性。其次通过多头自注意力机制对全局信息进行建模,计算图像中元素之间的相关性,增强癌灶区域与背景的差异来提高前列腺癌病灶区域的分割精度。实验结果表明,所提方法在前列腺癌灶分割任务中的Dice相似性系数、交并比和95%豪斯多夫距离分别为79.23%、69.26%、7.21,更接近人工标注的结果。

基于多分支结构的点云补全网络

点云是一种重要的三维表达方式,在计算机视觉和机器人领域都有着广泛的应用。由于真实应用场景中存在遮挡和采样不均匀等情况,传感器采集的目标物体点云形状往往是不完整的。为了提取点云的特征和补全目标点云,提出了一种基于多分支结构的点云补全网络。编码器从输入信息中提取局部特征和全局特征,解码器中的多分支结构将提取的特征转换成点云,以得到目标物体完整的点云形状。在ShapeNet和KITTI数据集以及不同残缺比例、不同几何形状的情况下进行实验,结果表明,本方法可以很好地补充目标缺失的点云,得到完整、直观、真实的点云模型。

多分支融合注意力机制的车道线检测模型

为了解决目前车道线检测过程中特征融合不充分、检测精确度低和鲁棒性差的问题,本文提出一种融合多分支结构和注意力机制的车道线检测模型(fusion of multi-branch structure and attention mechanism network,FMANet),图像编码部分采用多分支结构和注意力机制,并选择swish作为激活函数,图像解码部分采用跳跃连接结构,实现跨层特征融合。本文利用TuSimple公开数据集对FMANet模型进行评估与验证,实验结果表明,本文所提的FMANet模型的mAP指标接近97.25%,车道线检测精确度达到98.15%,此外,通过CULane数据集验证FMANet模型在不同场景下的检测具有更好的鲁棒性。

面向航天器多分支钛合金支承结构的SLM成型工艺

针对航天器多分支钛合金支承结构,研究了基于选区激光熔化(SLM)工艺的典型结构特征分解及工艺验证。在综合结构特征工艺基础上,得出了航天器多分支钛合金整体结构SLM工艺方案,并进行了成型验证。经X射线和表面荧光渗透检测,结构内外部质量满足相关标准要求,随炉试样拉伸强度为915~925 MPa。采用三坐标进行检测,支承筒空间角公差为-0.009°^+0.019°。采用粗糙度仪对星敏钛合金构件非加工面的表面粗糙度进行测量,非加工面的表面粗糙度达到Ra2.02~Ra6.15μm。

浅析BASIC中实现多分支选择的三种结构

通过对MSBASIC中三种实现多分支选择结构的分析，指出在实际应用中，针对不同问题其各自的利弊及局限性．

适于行人重识别的二分支EfficientNet网络设计

鉴于ResNet的强大表达能力,其在行人重识别领域获得了广泛的应用。虽然基于ResNet50构建的行人重识别网络取得了优异的性能,但流行的ResNet50仍存在模型体积大、效率低等局限性。与之相比,EfficientNet作为一种新兴的深度模型,具有设计合理、运行高效等特点,并在ImageNet数据集上有着更出色的性能表现。为此,本文尝试将EfficientNet系列网络引入到行人重识别领域,替代比较流行的ResNet50主干网络,提供了一个全新的骨干网基线。本文重点根据EfficientNet系列网络给出一种二分支行人重识别网络构造。相比于ResNet50,基于EfficientNet构造的二分支行人重识别网络具有网络参数规模小、性能提升明显的特点。实验结果表明:所构造的网络在行人重识别流行数据集上均有良好的表现。

基于Python的结构模式匹配应用研究

长期以来,Python在解决多分支结构问题时使用if/elif/else表达式链或字典查找,Python 3.10增加了结构模式匹配功能,match/case语句不仅可以进行类似switch/case这种对常量简单的匹配,也可以使用复杂的结构模式,对序列类型、枚举类型、对象等进行匹配,结合实例对其应用做了较为深入的研究。

IA-32反编译中的多分支语句恢复技术

对IA-32反编译后多分支结构的各种实现模式进行了系统的研究分析,并对复杂条件下典型的多分支结构实现模式进行了形式化的描述。在多分支结构的识别过程中,通过对索引表和跳转表调用指令的格式分析,提出了双特征指令匹配算法。通过程序切片建立了索引表和跳转表调用的表达式标准型,消除了多分支语句恢复过程中编译器类型和版本差异带来的影响,提高了算法通用性,对于进行程序反解及软件逆向工程具有重要的参考价值。

基于多分支协作的行人重识别网络

设计多分支网络以提取分集特征已成为行人重识别领域的重要方向之一.由于单分支学习到的特征表达能力有限,所以文中提出基于多分支协作的行人重识别网络.在局部分支、全局分支、全局对比池化分支、关联分支这4个相互协作的分支上进行特征提取,获得强大的分集行人特征表达能力.文中网络可应用于不同的主干网络.实验中考虑OSNet、ResNet作为文中网络的主干网络进行验证.实验表明,文中网络在行人重识别数据集上均取得Start-of-the-art结果.

基于行波时域分析和VMD的多分支输电线路故障定位

考虑多分支输电线路的行波时域特性,提出一种基于行波时域分析和VMD的多分支输电线路故障定位方法,利用主干线路时域信息和支路频域信息进行故障定位。首先,分析了主干线路的行波时域特性,根据故障后到达主干线路首末端的初始行波时间差判定故障区段;然后,利用VMD分解故障电压行波信号,通过MUSIC谱估计获得其固有频率主成分;最后,利用初始行波时间差、固有频率主成分与故障距离的关系来确定主干线路和分支线路故障位置。仿真试验结果表明,该方法提高了行波时域分析的可行性,避免了固有频率的频谱混叠问题,具有较高的定位精度,为多分支输电网的故障定位提供了新思路。

C语言程序设计中的选择结构应用算法研究

结构化程序设计中有3种最基本的程序结构:顺序结构、选择结构和循环结构。它们控制着代码执行的次序,从而提高程序的灵活性,使其能够实现比较复杂的程序。顺序结构是基础,选择结构是进阶,循环是高阶。选择结构起到承上启下的角色,因此对于选择结构算法的研究很有必要。以C语言为例,基于Visual Studio平台通过对成绩的等级划分程序设计,重点研究这3种结构中选择结构的多分支结构的算法。

基于神经网络方法的序列数据分类模型

序列数据处理在天体光谱分类领域是一项非常重要的任务,但是传统的处理方式成本高、效率低。通过构造一种以focal loss作为损失函数的多分支一维卷积神经网络对LAMOST部分序列数据进行了分类,并采用MarcoF1分数作为评价指标。结果表明该模型取得了理想的实验效果,并且focal loss损失函数(其在不平衡数据分类任务中对困难样本增加权重)相比传统的交叉熵损失函数也有更好的预测精度。