重夸克在密度介质中的能量损失(英文)

基于G-W模型,讨论了高能重离子碰撞中热密QCD介质诱导胶子辐射所导致的部分子能量损失;采用光锥路径积分(LCP I)方法研究了有限的夸克胶子等离子体(QGP)区域中重夸克能量损失,导出了计算能量损失的解析表达式.计算结果显示,考虑了质量效应的重夸克辐射能量损失较忽略质量的轻夸克辐射能量损失有明显的压低;对高能夸克,其辐射能量损失与介质长度的平方成正比,随着能量的降低,平方关系变为线性依赖.

基于多分块三重损失计算的行人识别方法

提出一种基于多分块三重损失计算的行人识别方法,来解决行人识别准确率不高的问题。与其他方法相比,本文设计了一种多分块三重损失计算的方式来对提取的特征进行反馈计算。具体来说,首先,三个行人图像输入到分割层当中,各自分为上中下三块,并在对应的网络当中进行特征提取;其次,在经过两层卷积层提取行人特征之后,每一个行人的上中下三块都有对应的三重损失计算,并根据损失值进行反馈调节;最后,将所有的行人图像进行融合,并继续在网络当中训练,通过分类器进行分类输出,在测试当中根据输出值判别行人对是否属于同一个行人。实验表明,文章提出的方法在公开库数据库当中与其他传统方法相比显著提高了行人识别准确率。

基于改进度量学习的煤矿井下行人重识别方法研究

传统基于度量学习的煤矿井下行人重识别方法中,由于度量学习忽略正负样本绝对距离,造成损失函数梯度消失或梯度弥散,导致井下人员位置信息识别精度不高。针对该问题,提出了一种基于改进度量学习的煤矿井下行人重识别方法。首先,采用基于手工设计特征的井下人员特征提取方法,对颜色空间、纹理空间等特征进行手动加工提炼,丰富特征维度。然后,采用欧氏距离对人员高维特征进行相似性计算。最后,提出一种改进的三重损失函数,通过在传统三重损失函数中加入自适应权重,增加有效样本的权重,解决了由于忽略正负样本绝对距离导致的梯度消失或梯度弥散问题。将传统识别方法与基于改进度量学习的煤矿井下行人重识别方法进行了累积匹配特征曲线验证、识别速率验证,结果表明:①基于改进度量学习的煤矿井下行人重识别方法在相似样本个数为50左右时,样本匹配概率达100%。②在2种不同标定大小图像的推理耗时上,基于改进度量学习的煤矿井下行人重识别方法较传统重识别方法分别减少了44,68 ms。③基于改进度量学习的煤矿井下行人重识别方法在舍弃行人头脚部分图像后表现更好,在相似样本个数为42左右时,样本匹配概率达100%。

硫酸盐腐蚀混凝土的热重分析结果与其中硫酸根离子含量之间的相关性研究

硫酸盐腐蚀研究中对遭受腐蚀后的混凝土进行热重分析和硫酸盐含量检测是常用手段,二者同属于对腐蚀产物的研究方法,其结果间关系如何?尝试采用直线、S曲线及BP神经网络对混凝土受硫酸盐腐蚀后的硫酸盐含量值和热重损失值进行了回归分析,并得到了二者的关系式.结果表明:硫酸盐含量和热重损失量具有较好的相关性,相关系数达到了0.72,BP神经网络拟合效果最好,但是预测能力稍差,S曲线拟合及预测均较好,直线拟合与预测效果均最差.

不同贮存时间和温度对鹅蛋蛋重的影响

为研究不同贮存时间和温度对鹅蛋蛋重的影响,收集四川白鹅鹅蛋4500枚,随机分为5个贮存温度组[室内常温(对照)、6℃、9℃、12℃、15℃],每组按贮存时间(5、10、15、20、25、30 d)设6个测定批次,每批次每个温度组设5个重复,每个重复30枚。称取各组贮存前、后的蛋重,分析贮存时间和温度对蛋重变化的影响。结果表明:随着贮存时间的延长,各温度组蛋重下降幅度逐渐增加;而在相同的贮存时间内,随着贮存温度的不断升高,蛋重下降幅度逐渐增加。因此,6~15℃范围内,贮存温度越低,贮存时间越短,鹅蛋蛋重变化越小。

基于边界辅助判别的滚动轴承故障特征增强及诊断方法

滚动轴承作为机械设备重要部件,对保障设备安全稳定运行具有重要意义。针对实际诊断中的滚动轴承故障数据不平衡问题,提出了一种基于边界辅助判别的辅助分类生成对抗网络模型(BD-ACGAN)。首先,设计了一种可用于提取故障样本边界细节特征的边界辅助判别器,以引导生成器生成更真实的样本,并采用该生成样本解决了数据不平衡的问题;其次,采用了自适应权重损失模块,动态调整了损失权重,使该模型更加关注重要的特征信息,从而提高了该模型的生成质量和特征表达能力;利用生成样本和真实样本数据对BD-ACGAN模型进行了增强训练,提高了该模型的泛化能力和诊断能力;最后,进行了消融实验及对照实验,对BD-ACGAN模型的特征增强能力和诊断效果进行了验证,分别采用美国凯斯西储大学和西安交通大学滚动轴承数据集对模型进行了实验验证。研究结果表明:该BD-ACGAN模型能够有效利用故障样本的边界特征解决数据不平衡问题,并且故障诊断精确度为98.79%,优于其他对照模型,为滚动轴承故障诊断提供了一种新的方法。

基于多尺度残差双域注意力网络的乳腺动态对比度增强磁共振成像肿瘤分割方法

针对乳腺肿瘤大小形态多变、边界模糊以及前景与背景间严重类不平衡的问题,该文提出一种多尺度残差双域注意力融合网络。该网络以多尺度卷积构成的多尺度残差块作为基本搭建模块,通过提取多尺度特征和优化梯度传播通道提高其识别不同尺寸目标的能力,同时融入双域注意力单元,提高网络的边缘识别和边界保持能力。另外该文提出一种混合自适应权重损失函数改善网络优化方向,缓解正负样本极度不均衡的影响。实验结果表明,该文所提方法的平均骰子相似系数(Dice)值达到0.8063,较U形网络(UNet)提高5.3%,参数量下降73.36%,具有更优的分割性能。

基于细粒度特征与注意力机制的机载图像匹配

针对多视图多视角机载图像匹配问题,提出一种基于细粒度特征和互注意力机制的图像匹配方法。该方法在使用卷积神经网络来提取局部细粒度特征的基础上,通过自注意力机制挖掘全局信息并融入细粒度特征表达,再利用互注意力机制增强匹配图像间的相似性细粒度特征。然后计算每个细粒度特征的注意力得分,按其大小对特征分割对齐。最后用改进后的三重损失对整个模型进行约束,使模型在多视图多视角的数据上更具有鲁棒性。在University-1652公开数据集上的实验结果表明,本文方法的匹配性能优于目前先进方法。

不同产地防中子辐射蛇纹石骨料混凝土比选

选取湖北蕲春、江西弋阳、陕西汉中三个产地蛇纹石骨料(以下简称湖北、江西、陕西蛇纹石骨料),通过扫描电子显微镜(SEM)、X射线衍射仪(XRD)、热重分析仪(TG)对蛇纹石骨料防中子辐射性能和在高温下的结构稳定性进行了研究。结果表明:湖北、江西、陕西蛇纹石骨料结晶水含量分别为6.89%、12.55%、12.50%(质量分数),其中江西和陕西蛇纹石骨料结晶水含量高,对防中子辐射更有利;粒径为(10,16]和(16,20] mm的湖北蛇纹石骨料在500℃时出现热爆裂行为,其热重损失值分别为12.62%、24.72%。由于陕西蛇纹石骨料含有水镁石,在温度为300~500℃时水镁石热分解脱水,使骨料在500℃热重损失值达到2.75%~4.04%;江西蛇纹石骨料在500℃时热重损失值最大为2.26%,且无热爆裂行为和无水镁石的影响,其高温结构稳定性较好,是三个产地中性能最佳的蛇纹石骨料。本文提出的不同粒径蛇纹石骨料高温下结构稳定性的测试方法,对推进国产蛇纹石骨料在核电反应堆、散裂中子源、核聚变材料辐照设施中的可维护测试单元等防中子辐射混凝土工程应用中具有一定指导意义。

基于改进U-Net网络的图像混合畸变校正方法

图像几何畸变校正是许多计算机视觉应用的关键预处理步骤。当前基于深度学习的几何畸变校正方法主要解决图像的单一畸变校正问题,为此,本文提出一种改进U-Net网络的图像混合畸变校正方法。首先,提出了一种构建混合畸变的图像数据集的方法,解决了训练数据集稀缺以及畸变类型单一的问题。其次,采用U-Net网络结合空间注意力机制进行图像特征提取及畸变坐标图的重建,将图像校正问题转为畸变图像的逐像素点坐标位移变化的预测问题,并设计了结合坐标差损失和图像重采样损失的损失函数,有效提高校正的准确性。最后,通过消融实验验证了本文方法各模块的性能。与最新基于深度学习的畸变校正方法对比。实验结果表明,本文方法在定量指标和主观评价方面都有较好的表现,对畸变图像的空间坐标校正的平均绝对误差为0.2519。本文还对GoPro相机获取的光学影像开展了校正实验,进一步验证了本文方法对畸变图像校正的有效性。

紫羊绒脱色工艺及其染色性能

在确定紫羊绒的脱色工艺,探究紫羊绒脱色前后的结构变化及纤维上基团变化的基础上,测定了脱色前后羊绒的SEM、红外性能,以及脱色后羊绒白度以表征脱色效果;测定脱色前后羊绒的克重损失,并对羊绒脱色前后使用活性染料XBR和活性染料K-NG进行染色实验。研究结果表明:羊绒脱色后具有较好的白度,白度值达到70.01%,脱色后羊绒本身基团没有改变,对于纤维中的肽键破坏较小,羊绒纤维纵向和横向均无较大变化,对纤维损伤较小,克重损失为4%左右。脱色后羊绒的染色性能优异,对于活性染料XBR和活性染料K-NG上染百分率分别达到95.05%和75.14%,表观染色深度分别为1.24和4.05。

电力变压器热稳定性能试验与状态监测分析与研究

电力系统是由发电厂、送变电线路、供配电所和用电等环节组成的电能生产与消费系统,在变压器事故当中造成人员伤亡或其他重大灾害损失的以油浸式变压器为大部分,其中油浸式变压器内部的电器绝缘油是造成事故发生的原因之一。本文通过分析温度对于油浸式变压器事故影响的相关文献,探讨温度对于油浸式变压器内的电器绝缘油造成绝缘劣化而导致油浸式变压器火警事故发生,借由使用微差扫描热卡计(DSC)和热重量分析仪(TG)进行分析,提供实验设定温度数据。经由恒温加热观察电器绝缘油在设定温度之下重量损失变化,再由电力耐压试验分析经过恒温加热电器的绝缘油其绝缘能力是否随温度的增加而有降低的趋势。实验结果显示电器绝缘的油绝缘能力会随着温度上升而上升,但达到高温时会产生绝缘劣化,因此轻则造成油浸式变压器事故或油浸式变压器起火危害发生,重则造成电力系统失效导致经济损失等重大灾害。因此研究内相关实验数据可作为油浸式变压器使用上安全应用及操作依据的参考,并期待未来可针对油浸式变压器事故造成电器绝缘油起火事故进行预防且有效降低发生机率。

基于共享联结三元组卷积神经网络的枪弹膛线痕迹快速匹配方法

针对传统通过激光检测提取膛线线形痕迹信号时枪弹痕迹检测精度不高且操作复杂的问题,提出了新型提取和处理方法。采用多尺度配准、弹性形状度量与卷积神经网络技术,基于多模式弹性驱动自适应控制方法,建立了试件末端位置和姿态参数分布模型,采用孤立森林算法检测信号进行异常处理,利用变尺度形态滤波算法去除非细小特征,引入平方速度函数优化弹性形状度量算法,完成曲线轮廓嵌入层映射;在膛线线形匹配部分,建立了适用于痕迹特征的优化参数共享联结三元组卷积神经网络模型,通过嵌入层相似度计算和最小化三重损失函数训练该网络至收敛;最后进行了不同方法的相似度匹配对比实验。结果表明,与传统的检测方法相比,新方法解决了传统枪弹痕迹检测中面临的精度与操作性问题,保证检测结果的稳定性,且成本大大降低。在膛线线形痕迹提取中采用多模式弹性驱动自适应控制方法和三元组卷积神经网络模型,可为枪弹痕迹检测提供一种新的可行方法和思路。

基于轻量网络的近红外光和可见光融合的异质人脸识别

针对近红外图像与人脸库里的可见光图像匹配的异质人脸识别(Heterogeneous face recognition,HFR),以及人脸识别所用到的深度卷积网络参数量和计算量大的问题,提出了用于学习近红外光图像和可见光图像之间跨光谱域不变的特征的轻量级人脸识别算法.首先使用大规模可见光图像数据集和改进的交叉熵损失函数,训练出一个类内紧凑、类间可分的可见光人脸识别模型,然后用改进的近红外光与可见光图像混合的三元组数据集配合的三重角度损失函数做迁移学习.相对于通用的深度学习方法,本方案对来自两种光谱域(近红外光和可见光)的人脸图像,都有很好的识别效果.同时通过研发轻量级的深度卷积网络,使算法可以在嵌入式设备中高效的运行,提高算法的工业应用价值.

基于改进D-LinkNet模型的高分遥感影像道路提取研究

针对高分影像中的道路信息易受植被阴影、高楼建筑物、河流等非道路信息干扰的问题,提出一种高分遥感影像道路提取模型。在中心区域引入channel-spatial双注意力机制捕获道路信息的全局特征依赖,并基于原始模型DICE+BCE损失函数,构建新型的超参数权重损失来优化网络模型中参数迭代的误差,改善道路分割的精度。按照1∶1、2∶1、3∶1、4∶1、5∶1这5种比值设定超参数权重比,通过调节超参数权值比获取模型最佳的道路分割性能。实验结果表明,与FCN-8s、U-Net等模型相比,改进D-LinkNet模型道路分割效果明显提升,能有效地规避因非道路因素对道路提取干扰而导致的“虚检”“漏检”“误检”的现象。

护林防火快板

各位乡亲和父老,听我说段快板来开场,今天不把别的演,专讲把好防火关.春冬两季天干旱,河流水少草木干,

基于深度学习的腹部多器官图像分割

CT扫描是临床上腹部相关疾病诊断的常规检查方式,通过CT,医生能对腹部的器官结构和组织病变结构产生更加直观的观察,从而提高了疾病诊断的准确性,因此,精准地对CT图片进行图像分割有着非常重要的临床价值。传统的分割算法针对腹部形变较大、体积较小且组织边缘模糊的器官分割效果相对较差。为此,该文提出了基于改进nnUNet腹部多器官图像分割方法,在腹部CT图像上分割肝脏、胃、肠道和胰腺4个器官。该文利用自适应权重的损失函数对nnUNet网络进行改进,使得网络在分割过程中更加关注体积较小且样本数量相对较少的器官特征。实验表明,该文提出方法相对于现有传统的分割方法具有更高的准确性和敏感性。