基于ALDR注意力的少样本学习模型

在图像分类的实际应用场景中,受制于客观条件所以很难获取大规模的带标签数据集,针对缺少数据的场景,少样本学习得以广泛应用。然而现有少样本学习方法在图像处理时忽略了具有类别特点的局部细节对于分类的帮助,针对这一缺陷,对基于自适应局部细节增强(ALDR)注意力的少样本学习模型进行研究。实验证明,在ALDR注意力中通过对已学习数据提取的知识进行划分,利用不同种类的已学知识指导提取并增强新样例中具有类别特点的局部细节信息,在提升分类准确度上效果显著。

大型平板在高雷诺数下喷气减阻试验研究

针对船舶减阻,论文采用主动喷射气体减阻方式,在国内循环水槽中首次开展大型平板在高雷诺数条件下喷射气体沿流程方向阻力分布特性及其减阻持续距离的试验研究,考察喷射气体减阻的3个阶段:气泡减阻阶段(bubble drag reduction,BDR),过渡阶段(transition),气层(膜)减阻阶段(air layer drag reduction,ALDR)。试验结果表明,气层(膜)减阻是非常有效及有应用前景的减阻方式。在形成有效气层时,较经济的气层名义厚度约为7~8 mm,在两侧设置50 mm气体逃逸挡板条件下,减阻持续距离可达9 m。根据试验测量结果,在较大气泡直径(毫米级)状态,浮力与升力(剪切力)的比值对气泡的运动扩散有较重要的影响。采用无量纲相似参数vg/u_τ~3可获取形成气层(ALDR)的临界气体流量曲线,为不同雷诺数下精确预报气体流量提供相似性分析的技术手段。