基于SGD和余弦退火算法改进YOLOv3的高压电力设备目标检测方法

针对现有高压电力设备检测方法存在实时性差、准确性低和难以部署在移动端等问题,提出一种基于随机梯度下降(SGD)和余弦退火算法改进YOLOv3的高压电力输送设备安全检测算法。采用网络复杂度较小、计算速度快、识别精度高且易于部署的移动端YOLOv3作为算法的主要框架;然后设计了深层的残差网络(Darknet53)作为该模型的主干特征提取网络,在提高识别精度的同时解决网络过深可能产生的梯度爆炸问题;进一步地结合SGD优化算法和余弦退火算法,在保证网络训练学习效率较高的同时避免网络陷入局部最优解,以此提高高压电力设备安全检测的速度和精度,满足实际需要;最后使用采集的高压电力设备数据集对整个网络进行训练。结果表明,YOLOv3在高压电力设备数据集上的平均检测精度达到了97.08%,检测速度达到了56帧/s,误检率只有0.78%。

^(222)Rn指示北部湾北部近海SGD输送的时空特征初探

放射性同位素氡222(^(222)Rn)是来源于地层中铀衰变生成的惰性元素。由于其性质稳定,容易测量且在地下水和地表水中活度差异显著,近年来被用作示踪剂广泛应用在海底地下水排泄(submarine groundwater discharge,SGD)的研究中。本文选取北部湾北部海水的^(222)Rn活度作为研究对象,通过2021年8月—9月以及12月—次年1月在北部湾北部海域的两个航次采样,分析了北部湾北部海域水体^(222)Rn的空间分布和季节性变化特征,并结合^(222)Rn的质量平衡模型,估算了北部湾北部海域的SGD通量。结果表明,^(222)Rn分布特征受到季节变化和陆源SGD过程的显著影响,冬季^(222)Rn活度的平均值与夏季相比减少了约40%。夏季底层水^(222)Rn活度较高,断面特征显示SGD过程明显且多集中于研究区北部,而冬季底层水^(222)Rn活度较低,断面特征显示SGD过程较弱。通过构建^(222)Rn质量平衡模型,估算出北部湾北部海域夏季与冬季SGD速率分别为4.16 cm·d^(-1)和2.88 cm·d^(-1)。夏季SGD速率明显高于冬季,且夏季以近岸SGD过程为主,冬季以离岸SGD为主。北部湾北部海域存在着明显的SGD过程,而且由于该区域被陆地和岛屿三面环绕,SGD过程很可能是陆源物质向近岸海域输送的重要自然途径。

基于隐式数据的改进LFM-SGD协同过滤推荐算法

采用传统协同过滤推荐算法对目标用户进行个性推荐时,由于用户评价数据和物品属性等显性数据稀疏,导致推荐物品的准确率和质量相对较差。本文基于隐语义模型(LFM),结合随机梯度下降算法(SGD),对协同过滤推荐算法做出改进。首先,在用户对物品行为的隐式数据中,采用LFM算法结合矩阵分解的思想,对数据进行处理;其次,利用SGD算法迭代求解损失函数的最小值。根据预测的评分矩阵,对目标用户推荐其感兴趣且未接触过的物品。实验结果表明,改进的LFM-SGD算法指标覆盖率、召回率、准确率分别比UserCF提高了0.761%、1.131%和3.175%,比ItemCF提高了0.154%、1.388%、3.898%。改进算法在缓解数据稀疏性、提高推荐精度方面取得了一定的成效。

基于联邦学习的Tor流量检测算法设计与实现

Tor网络作为第二代匿名互联网通信系统,常被网络罪犯用于进行网络攻击和欺诈等恶意活动,给网络安全带来了严重的威胁和挑战。为解决该问题,文章提出一种基于联邦学习的Tor流量检测方法。目前Tor流量检测以单主机检测为主,存在效率低和无法实现数据共享的问题,文章采用联邦学习技术和DP-SGD算法确保各参与方在保护用户隐私的前提下构建全局模型,解决数据孤岛问题。实验证明,该模型在保障用户数据隐私的同时,具有92%的整体准确率、90%的准确率和92%的召回率。文章通过对比实验进一步验证了模型在隐私保护和分类效果上的优越性。

型面修改的新算法SGD及其在回弹补偿中的应用

提出了SGD(shape global deformation)算法并将其应用于回弹补偿分析中,进行补偿面的修改。其原理是以原始曲面为基础进行的曲面整体变形修改,这种方法能够保证变形前后的型面整体拓扑关系的一致性,保证曲面的质量、光顺程度,以便获得更精确的回弹补偿型面。经多个实例分析表明,该算法能够在很大程度上节省修改补偿型面的时间和精力,较大地提高曲面精度,回弹补偿更加准确。

海南文昌清澜湾红树林潮沟地下水溶解碳通量的潮汐动态

海底地下水排泄(SGD)是陆地溶解碳向海洋输送的一个重要途径。以清澜湾潮沟为研究对象,以盐度为保守参数计算淡水SGD的占比为2.5%~22.7%,平均为13.0%;SGD净流量为0.86×10^(5) m^(3)/d。基于地下水溶解碳浓度,计算出该潮沟输出的溶解无机碳(DIC)和溶解有机碳(DOC)通量分别为5.78×10^(5)和0.10×10^(5) mol/d。其中,DIC是潮沟溶解碳输送的主要形式,占总溶解碳的98.3%。低潮时,DOC的49%来源于红树林植物碎屑,51%来源于SGD;DIC的78%来源于SGD,22%来源于红树林沉积物有机质。高潮时,DOC的44%来源于被污染的海水,56%来源于红树林植物碎屑;DIC的65%来源于海水,35%来源于孔隙水交换。红树林潮沟SGD向清澜湾输送了大量的溶解碳,其对近海水体碳酸盐平衡体系的影响需要进一步研究。

基于SGD和分类区域阈值结合的水库流域覆被变化遥感检测方法

水库流域覆被变化检测是流域生态环境变化研究的基础,及时掌握精确的流域覆被变化信息对于水库洪水预报、优化调度和生态环境保护等具有重要意义。以河南省出山店水库流域为研究区域,采用Landsat 8 OLI遥感数据和土地覆盖分类数据,对目前常用的光谱斜率差异法、主成分分析法、变化向量分析法3种地表覆被变化遥感检测方法进行对比分析,研究这些方法的适用条件和局限性,并在此基础上,提出了一种基于光谱斜率差值(Spectral Slope Difference,SGD)和动态阈值结合的地表覆被变化遥感检测方法,解决了由于单一阈值造成变化像元漏分率和错分率高的问题。研究结果表明:试验结果总体精度达到97.55%,Kappa系数为0.944。说明基于SGD和分类区域阈值结合的方法对地表覆被变化信息的提取更有效。

基于自适应组合窗函数的SPWVD算法及应用研究

针对平滑伪Wigller-Ville分布(Smoothing Pseudo-Winger-Ville distribution,SPWVD)在处理不同信号时,需要采用对应的平滑窗参数才能达到最优时频分布的问题,提出了一种基于自适应组合窗函数的SPWVD算法。该算法将Rényi熵作为时频评价指标,以组合窗函数的窗长和系数作为参数库,提出将随机梯度下降和扰动随机梯度下降分别用于窗长和系数的选取,提升计算速度分别为遍历法的20倍和9倍,最终得到信号的最优时频图。将上述的改进方法应用于碳纤维复合材料的缺陷检测中,结果表明,自适应组合窗函数的SPWVD可以有效地对不同信号选取最优的窗函数参数,对比固定窗函数的SPWVD,自适应组合窗函数的SPWVD具有更好的时频聚集效果,更加完备地对信号进行了表征,并对缺陷进行了定量分析,具备缺陷检测的良好应用前景。

基于小波包和SGD-XGBoost的模拟电路故障诊断方法

为了提高模拟电路故障诊断中预测模型的诊断精度,提出一种基于小波包和SGD-XGBoost的模拟故障诊断新方法.该方法用具有深度分解能力的小波包变换获取故障特征,并利用比渐进梯度决策树(Gradient Boost Decision Tree,GBDT)更具明显优势的XGBoost(eXtreme Gradient Boosting)算法进行故障诊断.在此基础上,选用简单且寻优能力强的随机梯度下降(Stochastic Gradient Descent algorithm,SGD)算法对XGBoost的学习率进行寻优,并构建出SGD-XGBoost模型.最后利用优化后的SGD-XGBoost模型进行电路故障识别分类.结果表明,XGBoost算法优于在该领域应用较广泛的支持向量机和BP神经网络,且优化后的SGD-XGBoost诊断方法有效的提高了XGBoost算法的诊断精度,在故障占比为10%时,诊断正确率为93.75%.

基于改进ResNet算法的太阳黑子分类方法研究

文中提出一种基于改进的ResNet的太阳黑子图像分类方法,该方法在ResNet的基础上引入了空洞卷积和残差连接等技术,增强了训练模型的特征提取能力以及感受野。在模型训练过程中,采用交叉熵损失函数和SGD优化器进行参数优化,以提高模型的准确性和泛化能力。其中深度可分离卷积被用于替代传统的卷积操作,以减少模型的参数量和计算量。最后,在太阳黑子图像分类的公共数据集上进行实验评估。实验结果表明,提出的基于改进的ResNet模型在太阳黑子图像分类任务上表现出较高的准确率和鲁棒性,相比于传统的ResNet模型,可以取得更好的分类效果。该方法为太阳黑子图像分类提供了一种新的思路和技术方案,对于太阳活动预测和环境监测等领域具有重要意义。

基于SSU-SGD的动态手持物体识别

连续目标中包含更加丰富的信息,为了更好地获取动态手持物体中的视觉信息,以不同背景下的动态手持物体为目标,基于步长自学习更新的SGD算法(简称SSU-SGD)提出了适用于动态手持物体识别的三个基准,通过自学习出不同的步长,分别在已知类、未知类和已知对象的基础上进行巩固训练,用于后续的动态手持物体识别中。用AlexNet和VGG网络对三个不同基准下的naive策略和累积策略进行了编程实验与仿真,经实验验证,该方法可以有效提高运行速度和训练精确度,并且有效提高了动态手持物体识别过程的实时性,可以进一步应用于实际。

CBL与SGD结合教学法在麻醉学临床实习教学中的应用

目的探究CBL与SGD结合教学法在麻醉学临床实习教学中的应用价值。方法以麻醉学临床实习生100例(2018年1月-2018年10月)为研究对象,以双盲法随机分组,对照组采用传统教学法教学,试验组则是CBL与SGD结合教学法教学,分析2组教学的结果。结果试验组麻醉学临床实习生的教学成绩评分高于对照组(P<0.05);试验组实习生教学满意度、学习积极性、学习兴趣评分均较对照组高,差异有统计学意义(P<0.05)。结论在麻醉学临床实习教学中用CBL与SGD结合的教学法,可获得较好的效果,能更好促进实习生学习积极性、学习兴趣的提高。

基于Bagging-Down SGD算法的分布式深度网络

通过对大量数据进行训练并采用分布式深度学习算法可以学习到比较好的数据结构,而传统的分布式深度学习算法在处理大数据集时存在训练时间比较慢或者训练精度比较低的问题。提出Bootstrap向下聚合随机梯度下降(Bootstrap aggregating-down stochastic gradient descent,Bagging-Down SGD)算法重点来提高分布式深度网络的学习速率。Bagging-Down SGD算法通过在众多单机模型上加入速度控制器,对单机计算的参数值做统计处理,减少了参数更新的频率,并且可以使单机模型训练和参数更新在一定程度上分开,在保证训练精度的同时,提高了整个分布式模型的训练速度。该算法具有普适性,可以对多种类别的数据进行学习。

结合GIS与FNN-SGD的雷波县泥石流易发性评价

针对四川省凉山彝族自治州雷波县的泥石流易发性进行评价,首先考虑雷波县的自然地理和气候特点等因素,通过ArcGIS对获取的数据进行处理,并按照雷波县行政区域绘制相应的评价因子分类图,使用频率比法分析评价因子对泥石流灾害的敏感度;然后采用SMOTE算法增加少数类样本,使正样本与负样本达到均衡;最后提出FNNSGD模型应用于雷波县的泥石流易发性评价,并根据模型结果绘制泥石流易发性分布图,采用ROC曲线作为评估指标。实验结果表明,与前馈神经网络、逻辑回归、随机森林模型相比,FNN-SGD模型的准确率更高、稳定性更强,更适用于雷波县泥石流易发性评价。

基于“主客”视角的会展旅游IPA分析——以江西省为例

会展旅游作为目的地城市发展的重要平台,日益受到主办方的重视与支持。在国家“—带一路”背景下,以第十四届江西绿色食品博览会为研究对象,分别从本地居民、参展商两个群体对江西会展旅游的发展条件、影响的重要性——满意度(IPA)评价的测评结果进行分析,结果表明:江西多样化的地方性与历史性会展旅游资源已经得到大部分“主客”(本地居民和参展商)的认同;就会展产业特色,与旅游产业互动和融合等问题,提出在了解会展旅游产品特性的基础上,更应侧重于在消费层面促进相互拉动、在城市建设层面引导相互依托、在活动领域加速相互交融、在经营层面强化相互渗透等建议。

SGD-S遥爆系统的组成、性能与应用

SGD-S遥爆系统是东方地球物理公司于2012年初次引进并投入使用的。本文主要介绍了该系统的硬件组成、参数设置、性能测试、操作方法等,并对实际应用的方法及注意事项做了总结,供同行们参考。

基岩海岛地下水与海水相互作用研究

中国北方基岩海岛水文地质条件独特,气候变化和人类活动不同程度地影响着海岛地下水与海水相互作用过程,然而对包括海水入侵(SWI)和海底地下水排泄(SGD)的水文过程的定量认识比较缺乏。本研究基于2012—2016年我国北方某基岩群岛降水、地下水水位、水质动态监测数据,运用数理统计、空间插值和水力学方法,分析了基岩海岛地下水与海水相互作用的特征和影响因素。结果表明,降水和开采是影响地下水、海水相互作用的主要因素,地下水水位变化滞后于降水事件约10 d;南岛东北岸、南岸的大部分地区没有发生海水入侵,地下水向海排泄过程较稳定,2012—2016年SGD速率均值为0.2 m/d,向海NO3-N通量均值为81.8 mmol/(m^(2)·d);北岛东南地区是海水入侵的严重区域,地下水水位长期低于海平面且逐年下降,2012—2016年SWI速率均值为0.3 m/d,向陆NO3-N通量均值为69.6 mmol/(m^(2)·d)。分别计算南、北两岛枯水季(2014年4月)、丰水季(2013年9月)SGD水量,北岛SGD水量为3.5×10^(4)~4.5×10^(4)m^(3)/d,南岛SGD水量为0.4×10^(4)~1.1×10^(4)m^(3)/d。相关结果可为基岩海岛地下水资源管理和生态环境保护提供重要参考。

基于Adam优化BP神经网络的风机等效疲劳载荷预测

针对传统风机载荷分析方法计算量大的问题,以风机载荷计算软件OpenFAST的仿真数据为基础,提出一种基于Adam算法优化BP神经网络的风机等效疲劳载荷预测模型。以叶根和偏航处的等效疲劳载荷作为特征样本数据进行训练和测试;采用可决系数和相对误差均值对模型的预测性能进行评估,并与采用随机梯度下降法(SGD)优化的传统载荷预测模型进行对比。结果表明:Adam算法优化下的神经网络载荷预测模型的预测性能要明显优于采用SGD优化的传统预测模型;相较于传统模型,δ_(m)最多可降低31.7%,R^(2)最多可提升7.8%。因此,提出的载荷预测模型能进一步提高风机载荷预测的准确度。

基于YOLOv5s的穿刺针目标检测方法

超声引导穿刺手术过程中,准确判断穿刺针的位置是保证手术成功的重要环节之一。针对目前穿刺针检测方法存在的精度、时效性以及鲁棒性差等问题,文中提出一种基于深度学习的穿刺针检测方法。该方法采用YOLOv5s作为穿刺针的目标检测模型,将随机梯度下降(SGD)作为模型优化算法,利用本地穿刺影像数据集对网络模型进行训练,并对所提方法的有效性进行实验对比验证。结果表明,所提方法可以实现针体和针头的实时检测且鲁棒性较好,检测精度达到97%,检测速度为129 f/s,可以有效辅助医生判断穿刺针在超声影像中的位置,提高手术的成功率和效率。

芍药甘草汤对大鼠酒精性胃溃疡的保护作用及其可能机制研究

目的:本研究旨在评估芍药甘草汤(SGD)对大鼠酒精性胃溃疡(GU)的保护作用及其可能机制,以期为临床治疗提供参考。方法:采用单次灌胃10 mL/kg 75%乙醇建立大鼠胃溃疡模型,对胃组织进行组织病理学检查。用双抗体夹心法测定胃组织中肿瘤坏死因子-α(TNF-α)、表皮生长因子(EGF)、前列腺素E2(PGE2)、超氧化物歧化酶(SOD)和血浆硫代巴比妥酸反应物质(TBARS)水平。应用网络药理学研究方法,进一步研究SGD治疗GU的可能机制。结果:组织学特征显示,酒精性GU大鼠的胃组织在整个胃黏膜层均有明显的损伤,而SGD治疗组大鼠的胃黏膜损伤明显减轻。标志物检测显示,SGD(9.90 g/kg)组和SGD(19.80 g/kg)组TNF-α的水平显著下降(分别为模型组的87.17%和86.50%,P<0.01)。SGD(9.90 g/kg)组和SGD (19.80 g/kg)组PGE2水平均显著高于模型组(分别为模型组的172.40%和220.86%,P<0.01)。与模型组比较,SGD(19.80 g/kg)组SOD水平均显著升高(为模型组的162.13%,P<0.01)。而在脂质过氧化方面,SGD(9.90 g/kg)组、SGD(19.80 g/kg)组TBARS水平显著下降(分别为模型组的78.66%、71.83%,P<0.01)。结论:SGD对乙醇所致GU有改善作用。此外,本研究还揭示了SGD治疗GU的多组分、多靶点、多途径的特点,为进一步的药物开发研究提供了基础。