基于扩散模型微调的高保真图像编辑

针对目前主流的图像编辑方法存在任务单一、操作不友好、保真度低等问题,提出一种基于扩散模型对图像进行高保真编辑的方法。该方法将目前主流的稳定扩散模型作为骨干网络,首先使用低秩适用(LoRA)方法对模型进行微调,使模型能够更好地重建原始图像;其次,使用微调后的模型将图片与简单的提示词通过设计的框架进行推理,最终生成编辑后图像。另外,在上述方法基础上扩展提出了双层U-Net结构用于特定需求的图像编辑任务以及视频合成。与领先的方法 Imagic、DiffEdit、InstructPix2Pix在Tedbench数据集上的对比实验结果显示:所提方法能够对图像进行包括非刚性编辑的多种编辑任务,可编辑性强;而且在学习感知块相似性(LPIPS)指数上比Imagic下降了30.38%,表明该方法具有更高的保真度。

对称NARMA-U模型及其神经网络自校正控制器

带预测误差补偿的改进NARMA-L2模型是由NARMA模型在自适应滤波动态工作点处一阶泰勒展开逼近得出的,在自适应滤波动态工作点处二阶泰勒展开逼近可得到对称NARMA-U模型,采用BP神经网络辨识对称NARMA-U模型参数,提出一广义目标函数,基于对称NARMA-U模型的非线性系统的神经网络自校正控制器,应用直接极小化指标函数自适应优化算法对BP神经网络连接权重值进行在线学习。仿真研究表明算法的响应优良。

基于.NET平台的Web系统的构建和实现

针对当今基于.NET平台开发Web系统的主流,为了更有效的发挥.NET平台的优势,提出了在.NET框架下系统结构设计和系统开发过程中应该注意的一些问题,分析了这些问题的原因,并提出了一个可重用的系统框架和一些优化的方法从而实现高效的Web系统和提高系统的整体性能。并结合实际的开发讲述了这些方法的具体的实施过程。通过实际的应用可以证明,提出的系统框架和优化方法是有效的。

自治式水下机器人的控制研究

自治式水下机器人执行使命时，沿规划路径运动的导航，特别是围绕被搜索到的目标物作圆周运动的导航，是一种强非线性的控制问题、传统方法解决这一问题很困难，神经网络为非线性控制问题的实施提供了快速、准确的工具。利用神经网络构造的非线性控制器为自治式水下机器人的导航和定位提供了一种新的途径，网络经训练后能适应混有噪声的非线性环境。本文综合利用前惯和反馈控制器的优点，把GESA算法应用于自动增强的函数链网络，首先对自治式水下机器人实施前馈控制，再利用神经网络构成的PID控制器来提高控制系统的控制精度，使自治式水下机器人沿规划轨线运动。

垦东地区河流相薄互层储层定量描述方法

垦东地区新近系河流相储层纵向上表现为薄互层,多数砂体厚度小于1/8λ且多层叠置,在地震上一个反射相位是一套砂泥岩薄互层的综合反映,利用常规地震属性分析方法无法描述单层砂体。通过构建薄互层楔状模型,明确了薄互层地震调谐规律,建立了薄互层地震响应与地层参数之间的关系,并以之为指导,提出了薄互层地层毛厚度与砂地比的计算方法,间接描述一套薄互层地层中砂岩等效净厚度,实现了薄互层的间接定量描述。

这是AV领跑者——新机ONKYO TX-NR901使用小记

“不断更新，更加全面，却没有找到出路”，用这句话形容近年来影音产品及技术的发展是相当恰当的。不难发现，目前的AV放大器，影音系统的核心，无论是解码格式、功能设置、声道数量都在不断的更新，似乎年年都在进步、年年都有发展、都有亮点。

水力发电机组的模糊神经网络参数自整定PID控制及仿真

为适应水电机组的复杂工况和高指标的控制要求,提出了一种水力发电机组的模糊神经网络参数自整定PID控制系统,即利用多层神经网络构建模糊自适应PID控制算法,通过神经网络自学习能力在线提取模糊控制规则,优化控制器隶属度函数,根据不同时刻的误差e和误差变化ec,利用模糊逻辑控制,在线自整定PID参数,进一步完善了PID控制器的性能,提高了系统的控制精度。仿真实验表明:该控制器明显地改善了控制系统的动态性能,能使系统达到满意的控制效果,对进一步应用研究具有参考价值。

德国斯图加特国际会展中心音频共享网络系统

介绍斯图加特国际会展中心概况,阐述音频共享网络系统设计特点和基本配置。

ENLHS:一种基于抽样的Kafka自适应调优方法

Kafka应用在生产环境中时,除机器的硬件环境和系统平台影响其性能外,Kafka自身的配置项决定着其能否在硬件资源有限的情况下达到理想的性能,但人为修改和调优配置项的效率极差。海量数据发送到Kafka后,如果不针对实际资源环境进行调优,Kafka使用默认的配置参数无法保证其在每个生产环境下的性能。因为Kafka自身的配置项非常大,传统的自适应算法在大规模生产系统中的性能较差。为了提高Kafka的自适应能力,消除系统中的复杂性,获得更好的运行性能,提出一种针对Kafka的自适应性能调优方法。该方法充分考虑了Kafka特征参数与性能的影响权值,并使用抽样的原理来提高数据集的生成效率并优化数据选取范围,提高建模的效率并降低优化方法的复杂度。实验结果显示,该算法对开源版本Kafka的吞吐率和时延进行了优化,提高了Kafka在给定的系统资源下的吞吐性能,并降低了时延。

基于神经网络模糊PID的步进电动机控制系统

针对两相混合式步进电动机建立数学模型,利用MATLAB语言的S函数,设计了用于步进电动机控制的具有参数自整定功能的神经网络模糊PID控制器。通过Simulink仿真,分别分析了神经网络模糊PID控制器下的步进电动机空载和空载起动后加载时系统的响应情况,仿真结果表明该控制器对步进电动机速度和输出转矩控制效果明显,相对于BP神经网络参数自学习的PID控制,具有响应速度更快、超调更小、抗负载冲击能力更强等良好的静动态特性,从而为步进电动机控制系统的仿真及实际应用研究提供了一种可靠、方便的控制器模型。

基于改进神经网络PID的永磁同步电机控制研究

永磁同步电机是高度耦合的非线性时变系统,针对传统的比例积分微分(proportion integration differentiation,PID)控制方式不能完全发挥内置式永磁同步电机的最大转矩电流比控制响应快、精度高的优点,提出了一种基于差分进化算法的优化神经网络对电流环PID参数进行整定的控制方法,采用Matlab/Simulink对电机搭建仿真模型进行了验证,并与常规PID控制方法进行比较。结果表明,提出的优化控制方法具有较好的控制精度和动态特性。

生产过程的自校正预测补偿控制

本文介绍了预测控制算法原理,提出了自校正预测补偿控制算法,给出了控制算法流程框图和系统实际运行记录,并在水泥立窑生料配料生产过程控制系统之中作了尝试,取得了满意的控制效果。

附加阻尼网的斜底式TLD减震控制理论与试验研究

为解决传统调谐液体阻尼器(tuned liquid damper,TLD)中有效阻尼偏小、用水量偏大等问题,提出一种附加阻尼网的斜底式水箱调谐液体阻尼器(damping net and sloped-bottom tuned liquid damper,DNS-TLD),将水箱底面倾斜的TLD与阻尼网有机结合,强化水箱内液体晃动,可提供更大附加阻尼比并降低用水量。建立了附加DNS-TLD结构的力学模型,阐述其减震机制,提出了一种简便估算DNS-TLD总等效阻尼比的方法。通过单层钢框架振动台试验,对比分析了附加DNS-TLD及其他不同类型TLD的减震性能。将试验结果与数值模拟结果进行比较,进一步验证减震规律以及各类TLD总等效阻尼比估算方法的准确性。在此基础上,对附加DNS-TLD的10层钢筋混凝土框架结构进行地震作用下的动力时程分析,验证DNS-TLD对实际结构减震控制的有效性。振动台试验与数值模拟结果均表明,DNS-TLD有效结合了斜底式水箱TLD与阻尼网的优点,表现出更优的阻尼性能,相比于其他类型的TLD,其减震效率更高,鲁棒性和工程适用性更强。

非逆稳定系统的具有衰减激励的神经网络自校正调节器

本文提出一种针对非逆稳定随机离散系统的神经网络自校正调节器。为使神经网络调节器有在线自学习能力和更好的适应性与鲁棒性,本文引入衰减激励信号以产生自学习所需的误差信号并激发起系统的各个模态。此外还引入能评价当前控制效果的评价函数以决定是否将在线运行数据选作学习样本来训练神经网络调节器以及决定学习的强度,从而实现了自组织学习与控制,仿真结果表明该方法的有效性。