细颗粒泥沙净冲刷和输移的大涡模拟研究

在传统水沙输移数值模拟研究中一般采用雷诺时均模拟技术(Reynolds-averaged simulation,RANS).与RANS相比,大涡模拟技术(large eddy simulation,LES)能够更加精确反映细部流动结构,计算机的发展使得采用LES探讨水流和泥沙运动规律成为可能.本文尝试给出净冲刷条件下悬沙计算的边界条件,采用动态亚格子模式对循环槽道和长槽道中的水流运动和泥沙输移进行了三维大涡模拟研究.利用直接数值模拟(direct numerical simulation,DNS)结果对LES模型进行了率定,计算结果符合良好,在此基础上初步探讨了泥沙浓度、湍动强度和湍动通量等的分布特征.结果表明,净冲刷条件下输沙平衡时泥沙浓度符合Rouse公式分布,单向流动中泥沙浓度沿着流向逐渐增大.泥沙浓度湍动强度和湍动通量都在近底部达到最大值,沿着垂向迅速减小.湍动黏性系数和扩散系数基本上在水深中间处达到最大.湍动Schmidt数沿着水深方向不是常数,在近底部和自由水面附近较大,在水深中间处较小.

基于信号解释Petri网的可重构逻辑控制器分析与设计

为适应可重构制造系统这一新生产模式的顺序控制 ,本文提出了基于信号解释Petri网的可重构逻辑控制器分析和设计的方法 .该方法利用层次化、模块化和接口技术将控制器规划为开放的体系结构 .确定了可达图法和化简技术结合的SIPN模型形式分析方法及步骤 ,采用透明度指标对模型进行评价 ,并给出控制器重构能力分析原则 .接着将该理论及方法用于一可重构装配生产线可重构逻辑控制器的建模和分析案例中 .分析结果表明设计的可重构逻辑控制器形式正确、有效 ,具有可重构能力 .最后提出逻辑控制器建模、分析、仿真、代码生成和逻辑控制实施的软件平台 ,该软件采用CORBA组件模型的软组件技术开发 .

密集帧率采样的视频标题生成

使用固定时间间隔取帧的方式用于视频标题生成,易导致多种静态或动态信息丢失,使得生成的句子质量难以提高。针对这一问题,提出了一种使用密集帧率采样的标题生成方法(dense frame rate sampling based captioning model,DFS-CM),将视频分为多个长度统一的片段,提取片段中所有视频帧的深度CNN(convolutional neural network)特征,然后使用均值或最大值方法,降低了特征数量,增强了特征的稀疏程度;同时,还改善了模型的训练策略,增强了模型的稳定性和泛化能力。最后在S2VT框架的基础上,使用Goog Le Net和Res Net-152两种CNN模型,对所提方法进行了验证。在Youtube2Text数据集上的实验结果表明,无论是采用均值特征还是最大值特征,其模型性能与基准模型相比均得到了改善,尤其是使用Res Net-152和最大值方式,其B@4和CIDEr分别达到了47.1%和34.1%。

CNN加速算法研究

AI技术的不断发展,DP(Deep Learning)的研究成为当前的一个热门。本文针对DP中的CNN算法的加速问题提出剪枝加速算法。首先,介绍CNN的经典结构LE-NET 5模型;CNN的模型越来越复杂,网络层数越来越多,详细讲解什么是剪枝加速算法以及如何实现加速算法;最后,在原有剪枝算法的基础上提出改进方法。

《全球职场英语能力量表》的研制及其启示

职场英语指在国际职场环境中讲不同母语的工作人员为满足工作或商务交际需要所使用的英语①,职场英语能力量表则是对职场英语学习者语言运用能力不同发展阶段典型特征的描述。目前国内外较有影响力的语言能力量表均为通用用途语言能力量表,不能完全适用于特殊用途语言能力的测评。本文以培生教育集团研发的《全球职场英语能力量表》(GSE-PE)为例,介绍了其研发背景和研制原则,重点论述了基于O*NET职场数据库和GSE工作档案库的GSEPE描述语的研制方法,并阐释了该量表的两大特色,最后分析了GSE-PE量表中存在的问题以及对未来我国职场英语能力量表研制的启示。

基于改进LeNet-5模型的手写体中文识别

手写体中文的自动识别是中文文档数字化的前提和基础,由于中文字符数目繁多、相似性强、字体种类繁多、书写随意、缺乏统一规范等原因,一直是计算机视觉领域中一个具有挑战性的问题.为解决这一难题,提出了一种基于卷积神经网络的手写体中文识别方法.在经典LeNet-5网络模型的基础上进行改进,提出了一种LeNet-Ⅱ模型.利用改进的Inception模块和空洞卷积,设计了一种并行的双路卷积神经网络结构;两路分支可分别提取手写中文图像中不同尺度的特征,获得多个尺度的特征图像;通过对其进行特征融合,可以达到丰富特征图像多样性、提升识别准确率的目的;最后经过全连接层进行分类.利用经典手写体中文数据集进行训练,利用该模型实现了3755类手写体中文字符及相关文本的自动识别.实验结果表明,基于改进LeNet-5模型的手写体中文识别方法,在同一训练数据集上的收敛速度和识别准确率明显优于经典LeNet-5模型,对经典数据集的识别准确率可以达到95.21%,也高于其他传统算法;此外,对4幅手写体中文文本的平均识别准确率达到97.30%,超出了人类表现,取得了理想的实际效果.

基于特征脸的面部情绪识别研究

人脸面部情绪通常分为开心、伤心、害怕、厌恶、生气、惊讶和正常7种类别.由于面部光照不均匀、情绪变化细微等原因导致现有的人脸情绪识别算法准确率较低,为此本文建立了一种基于特征脸的人脸情绪识别算法.首先应用Viola-Jones算法精准检测和定位面部区域,然后使用Gauss滤波对面部图像降噪后再应用Gamma矫正进行光照均匀化处理,得到精准而清晰的面部图像;其次,应用Haar-like特征对左、右眼睛中心点进行精准定位后,结合人体测量学方法对眉毛、眼睛和嘴巴等情绪器官进行定位与分割,构造特征脸,降低非情绪面部区域的信息冗余;最后,引入经典的Le-Net5卷积神经网络提取特征脸的深层次数字特征进行情绪识别.实验结果表明,该方法可以有效提高人脸面部情绪识别的准确性,在JAFFA公开数据集上的准确率可达90.12%,优于几何特征的53.75%和全脸特征的87.46%,而且性能更为稳定.