预网络器在锦纶66工业丝生产中的应用

研究了在锦纶66工业丝生产中预网络器对减少原丝毛丝及改善可纺性的作用。结果表明:预网络器使油剂在丝束上附着得更加均匀,可纺性显著改善,断丝率降低41.5%,捻线退绕过程中毛丝比例降低76.2%,提高了锦纶66工业丝的质量稳定性。

预网络器对涤纶工业丝生产的影响

研究了预网络器在涤纶工业丝生产过程中的影响,结果表明:预网络器可以显著提高丝束可纺性,改善成品丝优等品率和质量稳定性。

基于预训练GoogleNet模型和迁移学习的齿轮箱故障检测方法

针对以往齿轮箱故障诊断中特征处理算法繁琐、人为因素影响较大等问题,提出了一种基于预训练GoogleNet模型和迁移学习(TL)的故障诊断方法。首先,利用连续小波变换(CWT)将离散时间序列转变为二维小波尺度图,构建了样本集;然后,对预训练模型进行了结构微调及参数微调使其符合任务需求,利用处理得到的训练样本对微调后的模型进行了微训练,使其达到理想精度,然后保存模型,再将其应用于故障分类任务;最后,为了对上述模型的可行性进行验证,利用昆明理工大学控制与优化重点实验室的平行齿轮箱数据以及东南大学的行星齿轮箱数据对微调模型进行了验证。研究结果表明:相比于传统卷积神经网络(CNN)以及未经预训练的GoogleNet模型,基于预训练GoogleNet模型和迁移学习的故障诊断方法在训练样本较少的情况下,其分类准确率均值仍然高达97.40%,且模型的收敛速度更快,对计算机算力的依赖程度更低。微调模型高层的方法能根据任务分类情况个性化设置模型输出,因此该模型能够适用于不同的场景。

基于BP人工神经网络的中国金融风险预警模型分析

本文采用BP人工神经网络构建非线性系统模型,解决了传统模型难以处理高度非线性问题和自适应能力差的困难,通过对金融风险预警模型的训练和检验得出我国金融运行处于风险状态,并对此提出了相关政策建议。

基于多品种流网络的高铁枢纽站站改期间多态理论通过能力影响分析

按照高铁站站场基本布局,将其抽象为站场网络图。基于动车组列车咽喉通过时间基本相同特点,将咽喉区网络简化为单品种流网络,据此计算咽喉占用时间并推算咽喉能力。按照动车组列车进出到发线通过咽喉区先后顺序以及到发线停留时间的不同,将动车组列车归类为多品种流,利用到发线区域形成的多品种流网络特点计算到发线接发能力。基于咽喉与咽喉、咽喉与到发线之间的关联制约关系以及行车进路生成规则,针对动车组列车车流进出到发线通过咽喉区先后顺序的不同状态进行网络图流预推,分别推算出高铁枢纽站站改前以及站改期间的多态理论通过能力。最后基于通过能力对比,对站改期间通过能力的影响进行分析,结果表明咽喉的不同利用程度直接影响车站通过能力。

预训练网络引导的人脸图像超分辨率重建

成像设备分辨率的不足或者成像距离较远等因素,导致获取的图像中人脸区域的分辨率较低,这样显然不利于后续对于该人脸的身份识别、表情识别、属性分析等高层任务。为此,提出预训练网络引导的人脸超分辨率重建方法,并且在人脸身份认证的任务上验证所提方法的有效性。具体地,使用残差结构的超分辨率重建网络Super-resolution Reconstruction Network(SRN)和预训练网络FaceNet形成一个用于图像超分辨率重建的训练框架。高分辨率图像和仿真的低分辨率图像构成有监督训练数据集;SRN网络接收低分辨率图像,输出超分辨率重建图像;FaceNet提供高分辨率和超分辨率重建图像的特征,以建立损失函数,用于引导SRN网络的监督学习。在测试阶段,SRN网络接收低分辨率图像,输出的超分辨重建图像用于解决身份认证问题。仿真实验结果表明,该方法对于提升低分辨率图像的人脸认证任务的性能,具有一定的优越性。

基于SJNR准则抑制多小区间干扰的自适应网络预编码研究

针对多输入多输出(MIMO)多小区协作系统中下行链路的同频干扰问题,利用基于SJNR准则的自适应网络预编码,通过基站协作有效地对抗小区间干扰。首先给出了基于SJNR准则的自适应预编码设计,该方案可以在各基站采用独立的线性预编码技术对小区间干扰进行有效抑制,然后分为市区和郊区两种情况分别得到基于SJNR准则的自适应网络预编码。仿真结果表明,采用该方案有效地抑制了小区间干扰,系统性能有明显改善,同时还降低了系统的复杂度。

数字电视VSB调制器中预均衡网络的实现

为了补偿数字电视发射机的频谱畸变与相位失真 ,以得到最佳的 VSB频谱特性 ,可以在调制器中加入预均衡网络对频谱进行预畸变 .从信号复包络理论出发 ,分析并提出了数字电视 VSB调制器中预均衡网络的实现算法及其 FPGA硬件实现结构 .计算机仿真和实际硬件实现结果都证明该算法的有效性与优越性 ,从而为突破调制器性能瓶颈提供了一个可行的解决方案 .

轮廓提取在移动网络预规划的运用

传统的无线网络预规划根据对业务量需求的预测、基站的覆盖和容量性能估算出网络建设之前的网络规模和基站数量。本文提出一种新的轮廓提取方法,该方法运用于网络预规划之后,不但能给出更精确的基站数量而且还能给出基站大概分布位置。在新的轮廓提取法中我们把传统的栅格法和虫随法进行结合,并改进了虫随法的功能。使用该方法可以提取出电子地图中不同地形区域的轮廓信息,确保各区域的轮廓点按序排列,之后将面积过小的区域合并到相邻的相似区域中。由于该方法提供了电子地图中各个地形的轮廓信息,使得预规划能具体到每一种地形之中进行,最终除了得到所需基站的数量,还可以得到基站的大概分布位置。

基于PDA的烟叶预检管理网络系统在烟叶预检收购管理中的可行性研究与应用

针对烟叶生产收购过程中烟叶预检环节粗放管理的现状,及烟叶预检工作需入户预检的作业要求,综合利用GPRS、WebService等信息技术手段,引入基于C/S和B/S架构的3层3-tier结构,通过C#语言开发了烟叶预检PDA作业系统和烟叶预检管理网络系统,实现了烟叶预检工作精细化、信息化、网络化、便携移动式的管理要求。通过在隆阳区推广应用的可行性研究和应用实例,探讨预检信息化管理系统应用的有效途径及合适方法,对当地烟叶预检、收购管理提出合理化建议,制定科学的考核实施方案,也为其他管理信息系统的推广应用提供有益参考。

基于加权余弦相似度的网络资产资源预匹配方案

地址信息是电信网络资产管理系统与资源管理系统的共有字段,可为资产资源匹配工作提供多维支持能力,提升匹配精度。基于地址文本的结构特征提出一种将资产信息、资源信息中的地址字段进行分词、向量化以及加权,然后使用特征向量间的余弦相似度作为度量,选取最优匹配对象的实施方案。实践表明,基于地址信息层级结构进行向量加权的计算模型,可以更加有效地挖掘地址信息价值,支撑资产资源匹配工作,体现智慧资产运营思路。

带Q网络过滤的两阶段TD3深度强化学习方法

常规的深度强化学习模型训练方式从“零”开始,其起始策略为随机初始化,这将导致智能体在训练前期阶段探索效率低、样本学习率低,网络难以收敛,该阶段也被称为冷启动过程。为解决冷启动问题,目前大多数工作使用两阶段深度强化学习训练方式;但是使用这种方式的智能体由模仿学习过渡至深度强化学习阶段后可能会出现遗忘演示动作的情况,表现为性能和回报突然性回落。因此,该文提出一种带Q网络过滤的两阶段TD3深度强化学习方法。首先,通过收集专家演示数据,使用模仿学习-行为克隆以及TD3模型Q网络更新公式分别对Actor网络与Critic网络进行预训练工作;进一步地,为避免预训练后的Actor网络在策略梯度更新时误选择估值过高的演示数据集之外动作,从而遗忘演示动作,提出Q网络过滤算法,过滤掉预训练Critic网络中过高估值的演示数据集之外的动作估值,保持演示动作为最高估值动作,有效缓解遗忘现象。在Deep Mind提供的Mujoco机器人仿真平台中进行实验,验证了所提算法的有效性。

WCDMA无线网络预规划

众所周知，3G网络特别是WCDMA网络的规划目前在业界是一个越来越热门的话题。由于在国内还没有大规模的商用网，现在运营商所关心的大多为网络预规划的问题。在《WCDMA网络的规划与优化》一文中已经整体论述了WCDMA网络的特点及其对网络规划工作提出的要求。

基于灰色-BP神经网络模型的短时交通量预测

短时交通量具有明显周期性、非线性的特点,为提高短时交通量预测的精度,笔者提出将灰色GM(1,1)模型与BP神经网络相结合的方法,并以上海市浦东新区陆家嘴东路真实数据为样本进行实验计算与对预测结果对比.该灰色神经网络模型GNNM(1,1)兼具两种模型的优势。实验结果表明,相较于传统的灰色GM(1,1)模型,灰色BP神经网络模型具有更高的预测精度,为预测短时交通量提供了一种新思路.

现代化纤生产中的空气网络技术

网络技术在合纤长丝、短丝、膨体连续长丝(BCF)以及工业用丝生产中已广泛使用。在改善纤维品质,特别是降低能耗方面显示出巨大的潜力。介绍了网络技术的关键部件——喷嘴的技术特征,并对网络技术进步可能带来的经济效益和能耗变化做了简要分析。

超柔浓染仿HOY 83 dtex/144 f涤纶全拉伸丝的生产工艺

为生产超柔浓染仿高取向丝(HOY)工艺的83 dtex/144 f涤纶全拉伸丝(FDY),讨论了底部加热器温度、无风区高度、集束高度、预网络压力以及GR_(1)辊壳材质对涤纶FDY的生产及物理性能的影响。结果表明:底部加热器温度为305℃,无风区高度为69.5 mm,集束高度为510 mm,预网络压力为0.025 MPa,GR_(1)辊壳材质选择镀陶瓷时,生产的83 dtex/144 f涤纶FDY具有较好的柔软度和吸色性。

实时虹膜识别系统中的图像预评估检测

在采集虹膜图像样本时,会由于各种原因而出现不同类型的坏样本。由于现有的图像质量评估方法需要在虹膜定位或者粗定位之后,根据虹膜的清晰度或分辨率来进行判定,因此只能检测出特定类型的坏样本。为了能对各种类型坏样本进行检测,在分析坏样本产生原因和类型的基础上,提出了一种实时预评估网络的检测方法,即在定位或者粗定位处理之前,预先对缓存中的图像进行评估,再根据预评估检测的结果来决定是重新采集,还是进入后续的处理。其目的是,①节省现有的图像评估在定位处理上花费的时间和降低采集失败率,以提高识别系统的友好性;②减少因为坏样本的输入而导致的定位出错,以避免引起误识别的可能;③提高识别率的同时降低识别系统的注册失败率。实验结果表明,这种方法不仅可以检测出多种类型的坏样本,且检测错误率低,同时具有较高的评估速度,可以满足实时虹膜识别系统的要求。

基于特征融合与嵌入的人脸图像盲修复算法

人脸图像盲修复是从未知退化中恢复出高质量的人脸图像,其不适定性往往会造成修复出的图像出现局部纹理缺失或面部成分不匹配的结果,为此提出基于特征融合与嵌入的人脸图像盲修复算法。通过提取退化输入的面部先验特征,采用多头交叉注意力进行特征交互融合和全局上下文建模,将面部先验嵌入预训练生成网络的潜在空间中,并基于损失函数进行优化,修复因退化而丢失或损坏的局部纹理,实现真实性与忠实度之间的平衡。数值实验在3个真实退化图像数据集上进行,本文方法在客观指标和主观质量上都优于现有方法,最后的消融实验验证了退化人脸图像盲修复算法的有效性。