基于双输入输出卷积神经网络代理模型的油藏自动历史拟合研究

传统油藏自动历史拟合方法需进行多次计算耗时的油藏数值模拟,而深度学习代理模型可以实现高效且精度近似的油藏数值模拟替代计算。在基于深度学习代理模型的油藏自动历史拟合方法中,通常将采用油藏自动历史拟合方法进行调整的油藏不确定性参数作为深度学习代理模型的输入参数。现有的深度学习代理模型常为单一输入输出的神经网络模型架构,并未考虑油藏自动历史拟合方法需要对多个油藏不确定性参数进行调整,且需要训练多个深度学习代理模型以实现对油藏含水饱和度场分布及压力场分布的预测。为此,提出了一种基于双输入输出卷积神经网络代理模型的油藏自动历史拟合方法,将油藏渗透率场分布及相对渗透率参数作为输入,使用双输入输出卷积神经网络同时对油藏含水饱和度场分布及压力场分布进行预测,利用Peaceman方程计算产量,并耦合到多重数据同化集合平滑器(ES-MDA)方法中,对油藏渗透率场分布及相对渗透率参数进行反演更新,实现较为高效的油藏自动历史拟合求解。研究结果表明:双输入输出卷积神经网络代理模型在指定时间步的油藏含水饱和度场分布、压力场分布的预测精度均为93%以上。相较于传统油藏自动历史拟合方法,基于双输入输出卷积神经网络代理模型的油藏自动历史拟合方法避免了多次调用油藏数值模拟器的计算耗时问题,提高了拟合效率。

基于多输入多输出编解码器网络的图像去模糊

针对动态场景下非均匀盲去模糊算法存在去模糊不彻底和纹理细节丢失的问题,提出了一种基于多输入多输出编解码器网络的图像去模糊方法。首先,采用一个特征提取模块获取不同尺度模糊图像的全局和局部特征信息,为网络提供更丰富、更全面的图像特征信息。其次,使用特征融合模块对多尺度特征进行融合,使不同尺度下的上下文特征与细节信息可以在单个U-net网络中流动,增强了特征信息的流动性,解决了传统方法中多个子网络堆叠导致特征流动受阻的问题。最后,设计了一个由L1损失、多尺度频率重建损失和边缘损失组成的混合损失函数,在提升图像复原效果的同时更好地保留纹理结构和边缘信息。为了评估网络去模糊性能,在基准数据集GoPro和HIDE上进行测试,复原图像的峰值信噪比均值分别为31.94、29.45 dB,结构相似度均值分别为0.961、0.936,均高于相比较的去模糊算法。在视觉效果上,恢复的图像纹理结构和边缘更清晰,更接近真实图像。所提出的网络模型能够获取更丰富的特征信息,增强了网络内部特征的流动能力,取得了较好的去模糊效果。

基于DNN模型输出差异的测试输入优先级方法

深度神经网络测试需要大量的测试数据来保证DNN的质量,但大多数测试输入缺乏标注信息,而且对测试输入进行标注会带来高昂的人工代价。为了解决标注成本的问题,研究人员提出了测试输入优先级方法,筛选高优先级的测试输入进行标注。然而,大多数优先级方法都受到有限情景的影响,例如难以筛选出高置信度的误分类输入。为了应对上述挑战,文中将差分测试技术应用于测试输入优先级,并提出了基于DNN模型输出差异的测试输入优先级方法(DeepDiff)。DeepDiff首先构建一个与原始模型具有相同功能的差分模型,然后计算测试输入在原始模型与差分模型之间的输出差异,最后为输出差异较大的测试输入分配更高的优先级。在实验验证中,我们对4个广泛使用的数据集和相应的8个DNN模型进行了研究。实验结果表明,在原始测试集上,DeepDiff的有效性比基线方法平均高出13.06%,在混合测试集上高出39.69%。

基于负载自适应的辅助LC网络宽范围零电压开通的输入串联输出并联移相全桥DC-DC变换器

提出一种由2个移相全桥(phase-shifting full-bridge,PSFB)变换器模块和2个辅助LC网络组成的输入串联输出并联的DC-DC变换器。每一个LC网络连接在一个模块超前桥臂的中点和另一个模块滞后桥臂的中点之间。利用辅助LC网络,滞后桥臂开关管可以实现轻载下的零电压开通(zero voltage switching,ZVS),辅助LC网络的电流幅值可以自适应负载变化,即轻载时电流幅值大,用于实现滞后桥臂软开关管能量多,重载时,LC网络电流幅值小,环流损失小。因此,所提变换器适用于宽范围负载。对变换器的特点进行分析,并通过一个功率900W的原理样机验证了所提变换器的性能。

多输入多输出系统的神经网络PID解耦控制器

基于神经网络的PID控制 ,提出了一种可用于有耦合的多输入多输出系统的比例、积分和微分参数在线自整定的神经网络PID解耦控制器 ,可以实现对多变量系统的解耦控制 ,仿真结果表明系统具有很好的动态及稳态性能 .

存在通信约束和时延的多输入多输出网络控制系统镇定研究

讨论了一类存在通信约束和时延的多输入多输出网络控制系统(NCS)的建模和控制问题.该NCS具有多个传感器和执行器,由于网络通信受限,在同一时刻只能允许部分传感器和执行器访问网络.传感器和执行器访问网络的过程可以用两个马尔可夫链来描述,并且在假设传感器—控制器时延和控制器—执行器时延均为短时延的情况下,将整个闭环NCS建模成一个具有两个模式的马尔可夫切换系统.基于LMI技术和李亚普诺夫方法,给出了闭环NCS随机稳定的充分条件,并给出了状态反馈控制器的设计方法.最后的数值算例验证了所提方法的有效性.

基于输入-输出流分析的生态网络φ模式能流、ρ模式能流测度方法

提出了生态网络能量传递的两类路径,即φ和ρ模式能流传递,运用输入-输出流方法推导了φ和ρ模式下的能量流通量计算公式。以Pilette和Kincaid提出的生态网络系统为例,计算了两种模式下系统能量通量的大小,评估了φ模式能流、ρ模式能流对生态网络能量传递的影响程度。研究表明:该生态系统每天能量流通量为31g C,其中90.23%的能量流通量是通过φ模式传递的,9.77%的能量流通量是通过ρ模式传递的;针对网络中每个节点,分析了φ和ρ模式对各自能量流通量的影响程度。

多输入多输出的异构无线传感器网络时分多址调度算法

针对基于多输入多输出技术的无线传感器网络中节点接入信道过程复杂、容易产生碰撞等问题,提出了采用异构无线传感器网络模型和基于该网络模型的集中式时分多址调度算法.网络模型中的节点分为普通节点和带有多天线的特殊节点,节点被分为多个簇,特殊节点担当簇头角色,且在特殊节点间建立树形路由.该网络模型有效解决了分配时隙时节点的传输方向性问题.基于该模型的时分多址算法首先根据特殊节点的冲突节点度大小为节点染色,然后根据节点的数据包数与距基站跳数的乘积确定节点分配时隙的先后次序.实验结果表明,该算法可以有效避免冲突,提高时隙利用率,具有时延小、吞吐量大、适用于基于多输入多输出技术的无线传感器网络等优点.

一种时变输入输出过程神经元网络及学习算法研究

针对输入/输出均为时变函数的非线性系统建模问题,提出一种时变输入输出过程神经元网络模型,并给出了具体的学习算法.过程神经元网络的输入、输出均可为时变函数,其空间、时间聚合算子分别取为空间加权求和及含时间变参积分,聚合运算和激励能同时反映时变输入信号的空间聚合作用和输入过程中的阶段时间累积效应.仿真实验结果验证了所提出模型和算法的有效性.

多输入多输出非线性静态系统神经网络辨识的研究

本文通过对现有的系统辨识特点的分析，提出使用神经网络理论与方法对多输入多输出非线性静态系统进行辨识，并给出了一个实际系统使用具有自适应学习率反传算法辨识的有关结果。

基于TCN网络的远程输入输出设备的研究

在研究列车控制网络(TCN)设备构架的基础上,研究了一种基于高可靠性VME背板总线、具有MVB接口的远程输入输出模块(RIOM)设计方案,实现了RIOM在列车控制网络的基本功能。在介绍RIOM整体架构和基本参数的基础上,详述了针对列车控制网络特殊条件下的VME从设备接口有限状态机、模拟信号/数字信号通信的实现机制,最后对RIOM进行联网调试,对RIOM完成功能性验证。

多输入多输出网络系统的拥塞控制方法

该文讨论了多输入多输出网络系统中信息拥塞的控制问题,通过对造成网络拥塞的原因以及影响网络传输定性的因素进行分析,建立了解决网络拥塞的模糊逻辑控制器。仿真表明了该控制器可以有效保证网络系统中信息的稳传输。

输入输出的认知过程与大学英语口语教学

输入和输出是二语习得过程中缺一不可的两个重要阶段,从输入到输出学习者必须经历一系列的认知过程。口语作为一种输出技能与输入输出的认知过程有着密不可分的联系。调查表明,大学英语口语教学中存在一系列的输入输出问题。要彻底解决口语教学中的输入输出问题,必须进一步完善口语教学中现有的输入输出模式,促进学习者口语输出能力的提高,提高大学英语口语教学的效率。

基于D2D通信和虚拟MIMO的飞行器集群网络传输方案设计

在无中心飞行器集群网络中,非直通条件节点间不同的中继路径可能导致较大路径损耗落差,为有限资源前提下网络传输能力的提升带来困难。参考5G移动通信中的终端直通(Device to Device,D2D)技术与中继通信中的虚拟多输入多输出(Multiple-Input Multiple-Output,MIMO)技术,提出一套D2D通信与虚拟MIMO技术结合的无中心飞行器集群网络传输方案。重点研究在正交资源模式下,将不同的协作传输协议与空时编码进行组合,在信噪比、误比特率、接入概率等方面对通信性能的影响。仿真结果表明:D2D通信与虚拟MIMO技术结合的传输方案在不增加资源的前提下,对集群网络的通信性能有明显提升,且引入分布式空时编码可进一步优化误比特率性能,但3种传输协议在不同传输质量评价方向的改善有所不同。

从认知角度看语言输入与输出

教师在认知理论的指导下,使语言输入与输出尽可能地达到平衡,并且为学生创造语言学习的真实环境,能激发学生学习的兴趣,从而提高学生的语言输出质量,培养学生的交际能力。

解决输入假说与输出假说的分歧——维果茨基社会文化理论对语言认知的应用

维果茨基认知理论中的社会文化理论认为人类高级思维功能建构于社会、文化、历史和教育的大环境中,此环境又是一个由社会成员相互交流形成的实体,是语言输入与输出的辩证统一体,语言输入与输出的相互作用能带来第二语言的发展。对于语言输入与输出在语言认知中的作用,Krashen的输入假说与Swain的输出假说则持有各自不同甚至相反的观点。运用维果茨基的社会文化理论去解决输入假说与输出假说存在的分歧。在强调两者独立的情况下,阐释了两者同时对于语言认知发展的作用。

基于双输入双输出液位控制模型的分布式无线控制网络研究

针对一类面向工业应用的双输入双输出液位控制模型,采用一种基于无线控制网络的分布式控制方法。无线控制网络的特点是将整个网络本身看成一个全分布式的控制器。根据李雅普诺夫理论,使用CVX工具包求解得到了保证闭环系统全局渐进稳定的WCN矩阵参数,仿真结果验证了所提出的控制策略的正确性和有效性。

一种平衡策略下网络多输入多输出系统的预编码方案

针对在多小区多输入多输出(MIMO)系统预处理中,最大化目标用户信干噪比与最小化干扰泄露之间存在的相互矛盾,提出一种基于平衡策略的预编码算法,构建预编码算法数学模型,引入干扰代价函数,并借助拉格朗日方程对所提算法的预编码向量进行求解,同时对算法的实现步骤进行了说明。最后在仿真中,对效用函数的收敛速度与迭代次数的关系进行了仿真,并基于系统最大和速率对该算法与现有算法的性能进行了比较,仿真结果验证了该算法在收敛速度与系统吞吐量方面的优越性能。

连续型多输入多输出网络控制系统的稳定性研究

文章主要研究的是静态输出反馈的多输入多输出的网络控制系统,首先分析了多输入多输出网络控制系统的连续时间模型;其次,针对连续时间模型,假设当数据传输过程中,各个回路的时延是相等的且为固定的,通过分析得到了时延独立稳定结论与时延相关稳定结论;最后,通过利用Matlab线性矩阵不等式工具箱进行仿真,在给定静态输出反馈控制律增益K的情况下,得到了可以允许的最大时延上界,结果表明该方法简单、可行。

网络环境下的大学英语输入输出能力

将Krashen的输入假设理论和Swain的输出假设理论应用于网络环境下的大学英语教学新模式中。在教学实践的基础上,用实证研究分析其教学效果,研究表明在网络环境下的大学英语新教学中,运用这两种理论指导教学可以提高学生的输入输出能力,能取得良好的效果。