航道工程水深数据三角化及边界生成算法的改进

针对地理模型,比较了不同Delaunay三角化方法在构网复杂度、效率和通用性等方面的优缺点。考虑了航道工程中水深点分布的复杂性,改进了传统的逐点加入法,引入栅格索引和三角形拓扑属性,提出了改进的边界生成算法,算法简单,通用性强。实例测试表明该算法是可行的。

基于边界生成的人体行为检测方法

针对目前人体行为检测领域边界判断不清晰、灵敏度不高和计算量大等问题,提出了基于边界生成的人体行为检测方法。从时间点出发,首先检测某时间点为动作起止点的概率,再设定阈值取出符合条件的起止概率值进行匹配生成候选提名,再对候选提名进行评估。通过详细分析几种当前较先进的基于边界生成的检测模型发现该方法灵敏度高,并且在准确率和训练速度等方面都有较好的表现,综合性能相较于滑动窗口方法和基于锚的办法有所提升。

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。

基于辅助分类–边界平衡生成式对抗网络的局部放电数据增强与多源放电识别

为解决局部放电(partial discharge,PD)源诊断中放电样本的不平衡问题,并克服传统多源放电诊断方法对脉冲聚类分离效果的依赖,该文提出基于辅助分类–边界平衡生成式对抗网络(boundary equilibrium generative adversarial network with auxiliary classifier,AC-BEGAN)的PD数据增强与多源放电识别方法。首先,对PD脉冲进行同步挤压小波变换(synchrosqueezed wavelet transform,SWT)作为训练样本。然后,在训练稳定性优越的BEGAN基础上,融合条件信息和辅助局放脉冲分类任务构建AC-BEGAN模型,旨在提升模型的生成能力并条件式地扩充训练样本。最后,采用扩充均衡的训练样本微调该辅助分类任务以学习多源放电中各单次脉冲的类别,并将占主导的脉冲标签的组合确定为该多源放电类型。结果表明,该方法相比于传统数据增强技术可以有效地均衡脉冲样本,同时可以克服传统诊断方法对聚类分离效果的依赖,直接实现多源放电诊断。

基于分割注意力与边界感知的中文嵌套命名实体识别算法

由于中文文本缺少天然分隔符,中文嵌套命名实体识别(Chinese Nested Named Entity Recognition,CNNER)任务极具挑战性,而嵌套结构的复杂性和多变性更增添了任务的难度。文中针对CNNER任务提出了一种新型边界感知层叠神经网络模型(Boundary-aware Layered Nerual Model,BLNM)。首先通过构建了一个分割注意力网络来捕获潜在的分词信息和相邻字符之间的语义关系,以增强字符表示;然后通过动态堆叠扁平命名实体识别层的网络,由小粒度到大粒度逐层识别嵌套实体;最后为了利用被预测实体的边界信息和位置信息,构建了一个边界生成式模块,用于连接相邻的扁平命名实体识别层以及缓解错误传递问题。基于ACE 2005中文嵌套命名实体数据集的实验结果表明,该模型具有较好的性能。

一种兼顾ArcGIS图形显示的AutoCAD图案填充重生成边界法

通过对现有AutoCAD图案填充重生成边界方法总结,提出了一种兼顾ArcGIS图形显示的AutoCAD图案填充重生成边界法,其主要包括3个步骤:1提取边界环并做循环访问;2对组成每个边界环的曲线集合按照起点和终点坐标进行排序;3对排序后的曲线集合进行连接。

面向行为边界框生成的端到端时间全局相关网络

时序行为边界框生成任务的目的是定位未剪辑视频中行为的开始和结束时间.现有的生成行为边界框的方法存在两个缺点:所使用的特征不具有足够的时间全局信息,导致了边界框的不准确;特征提取和边界框生成的过程是分开的,导致生成的特征不完全适合边界框生成任务.为了解决上述问题,本文提出了时间全局相关网络(Temporal Global Correlation Network,TGCNet),利用时间全局相关(Temporal Global Correlation,TGC)模块获取全局信息.TGC模块主要包含动态相关结构和静态相关结构,分别编码动态和静态全局信息.TGCNet网络可以以端到端的方式训练,使得所学习到的特征更适合时序行为边界框生成任务.本文在两个具有挑战性的数据集THUMOS14和ActivityNet1.3上进行了实验,结果表明,所提出的TGCNet网络在这两个数据集上均达到了最好的时序行为边界框生成性能.

基于生成对抗网络的单帧遥感图像超分辨率

受成像设备、传输条件等因素限制,遥感图像的清晰度难以保证。图像超分辨率技术旨在从低分辨率图像中恢复出高分辨率图像,对遥感图像的高质量解译具有重要意义。针对传统方法依赖多帧图像序列、重建结果过于平滑等问题,提出一种基于边界平衡生成对抗网络的单帧遥感图像超分辨方法。生成器与判别器均设计成带跳跃连接的端到端自编码器结构,为增强生成图像质量及加速网络收敛,使用了一种基于判别器重构误差的损失函数。在NWPU-RESISC45数据集上的实验结果表明,该方法能够提供更多的高频信息,重建结果最接近真实图像,相较于邻近插值和双三次插值方法,PSNR提升约2.70dB,相较于其他基于深度卷积神经网络的方法,PSNR提升约0.72dB。

公共产品:边界迷局及其破解

萨缪尔森对公共产品的定义使公共产品的理论走向科学化,但过分的概念科学化使其陷入自己设定的边界迷局而不能自拔。阿特金森和斯蒂格利茨、布坎南、巴泽尔及蒂布特的公共产品理论及对公共产品进行边界划分的依据依然存在缺陷,无法真正走出公共产品的边界迷局。只有从公民生存发展的需求程度、市场的满足程度和资源的支持程度这些最根本的问题来寻找公共产品边界划分的依据,才能真正解决公共产品的边界迷局。影响公共产品边界生成的变量主要有:与人民生命、财产的相关程度及危险危害程度;市场供给的难度和成本;资源稀缺程度。

基于边界条件GAN的不平衡大数据模糊分类

针对大数据分类中的不平衡问题,本文提出一种基于边界条件生成式对抗网络(Boundary Conditional Generative Adversarial Networks,BCGAN)的不平衡大数据模糊分类算法,通过在多数类数据和少数类数据的决策边界附近引入一个边界少数类到过样本,生成更合适的少数类数据来提高分类性能.将处理过的平衡数据转换成概率索引表,数据和属性分别以行和列的形式呈现,计算每个数据属性中存在的唯一符号的隶属度,然后设计相关模糊朴素贝叶斯(Correlative Fuzzy Naive Bayes,CFNB)分类器进行数据分类.本文给出MapReduce框架下大数据模糊分类的并行实现.实验结果表明:所提基于BCGAN的不平衡大数据模糊分类准确度优于其他现有方法,说明该方法具有可行性和有效性.

与波前法相结合的Delaunay四面体网格生成方法(英文)

描述了一种在任意三维区域自动生成四面体网格的方法 .首先 ,将经典的Delaunay方法与简化的波前法相结合 ,进行边界四面体剖分 ,解决边界还原问题 .然后 ,再次将Delaunay方法与波前法相结合 ,产生具有最优位置的内部节点 ,并用Delauny方法将内部节点高效率地插入 .最后 ,进行网格优化以提高网格的质量 .文中的应用算例显示 。

基于边界平衡生成对抗网络的十字板式节点新构形智能生成方法

传统十字板式节点应用广泛,但样式单一且材料布局不尽合理,为此,提出了一种基于边界平衡生成对抗网络(BEGAN)的十字板式节点新构形智能生成方法,可以生成多种造型新颖且性能更优的节点构形。基于变密度法定义最大化刚度为优化目标,通过调整优化参数获取大量不同工况下的十字板式节点拓扑优化结果,建立深度学习数据集。基于开源深度学习框架TensorFlow搭建BEGAN,深度学习数据集样本的真实分布,通过定义标签类型智能生成相应工况下的节点新方案。评估分析生成方案的新颖性、多样性、力学性能与质量,并借助三维重构技术与增材制造技术分析了智能生成节点的制造可行性与美观性。研究结果表明:该方法经过25次迭代训练即可稳定收敛,不仅能够高效地批量化智能生成创新性突出的若干节点设计新方案,满足结构设计的多元审美要求,而且能够优化节点的力学性能与材料用量,解决十字板式节点的材料布局不尽合理问题。

基于并联卷积神经网络的水果品种识别

为了解决传统的水果图像识别算法在特征提取上的缺陷,以及传统卷积神经网络识别率低的问题,设计了一种基于并联卷积神经网络来提取水果特征的识别方法,利用ELU激活函数替代ReLU激活函数,利用最大类间距损失函数结合传统SoftmaxWithLoss损失函数来提高对相似品种的识别准确率。选取Fruit-360数据集中的8个品种,利用边界均衡生成对抗网络(BEGAN)结合传统的数据增强方法生成大量高质量的数据集,并用其进行训练。结果表明,该模型对8个品种的平均识别准确率达98.85%,具有良好的识别效果。

电阻率测井数据的岩石物性反演

反演是一种用于解释复杂环境中，如深侵入、高导电围岩、薄层、各向异性地层以及高度斜井和水平井，电阻率测井数据的有效手段。反演也提供了一个通用平均值，以解释较早的未聚焦电阻率测井仪以及新型组合式仪器获得的数据，并考虑电阻率构成的确切界限。虽然，在多数情况下，反演提供了与岩石物理学和地质学一致的解，但也有不一致的情况。为了处理这些非一致性，我们开发了一套岩石物性反演算法，该算法为一涉及伽马射线、中子、密度、声波和电阻率数据的综合解释过程。解释步骤包括据所有可利用的测量值，如伽马射线、中子、密度、和电阻率数据，用加权拐点法估计层界位置。然后利用与所采用的各种仪器有关的仪器响应函数调整地层界面位置，并综合得出与岩层界面一致的调整值，其最好地代表了地下地质和岩性。其次，利用一恰当的含水饱和度方程估算出针对地层电阻率和冲洗带电阻率的上下边界。估算电阻率边界的输入参数包括泥质含量、孔隙度以及含水饱和度变化的可能范围、地层水电阻率和泥岩电阻率。将电阻率边界综合到反演算法中经由一外部补偿函数增加到最优化的原始客观函数中。提出的反演算法采用的是包括一参考模型和基于不确定性的数据加权的普通目标函数。此外，已将一级空间无限差分算子装入目标函数中，以消除反演结果中的不真实振荡。现场实例显示，所提出的反演过程可有效处理由于井眼冲蚀和不恰当的岩层界面定位引起的数据系统噪音，并且生成了在岩石物性上有意义的反演结果。

人脸老化/去龄化的高质量图像生成模型

目的近年来关于人脸老化/去龄化的研究在深度学习的推动下取得了飞速发展,2017年提出的条件对抗自编码器(CAAE)人脸老化/去龄化模型生成的人脸不仅可信度高,而且更贴近目标年龄。然而在人脸老化/去龄化过程中仍存在生成图像分辨率低、人工鬼影噪声严重(生成人脸器官扭曲)等问题。为此,在CAAE的基础上,提出一个人脸老化/去龄化的高质量图像生成模型(HQGM)。方法用边界平衡对抗生成网络(BEGAN)替换CAAE中的对抗生成网络(GAN)。BEGAN在人脸图像生成上不仅分辨率更高而且具有更好的视觉效果。在此基础上,添加两个提高生成图像质量的损失函数:图像梯度差损失函数和人脸特征损失函数。图像梯度差损失函数通过缩小生成图像和真实图像的图像梯度,使生成图像具有更多轮廓等高频信息;人脸特征损失函数将生成图像和真实图像分别输入到配置预训练参数的VGG-FACE网络模型中,输出各自的特征图。通过缩小两幅特征图的对应点差值,使生成图像具有更多真实图像的人脸特征信息。结果实验使用UTKface、FGnet和Morph数据集,经过训练,每幅测试图像分别生成10幅不同年龄的图像。与CAAE相比,HQGM可以有效去除人工鬼影噪声,峰值信噪比高3. 2 d B,结构相似性高0. 06,提升显著。结论 HQGM可以生成具有丰富纹理信息和人脸特征信息的人脸老化/去龄化图像。