基于优化改进的Xception模型的垃圾图片分类

Xception模型的训练精度很高,但预测精度不是很高,即出现模型训练过拟合现象,文章对该模型结构做了进一步的优化改进,将改进后的模型应用于垃圾图片分类,实验结果显示优化改进的模型虽然训练精度有所降低,但预测精度比原始的Xception模型有所提高,在一定程度上纠正了过拟合现象。

改进Xception模型的乳腺钼靶图像识别研究

乳腺X线摄影技术是早期发现乳腺癌的主要方法,但其结果很大程度上受放射科医师临床诊断经验的限制;基于卷积神经网络对乳腺钼靶图像自动分类的研究可以为放射科医师临床诊断提供意见,然而乳腺癌肿块边缘模糊且良恶性肿块特征差异较小,分类任务面临重重挑战;为了提高乳腺钼靶图像分类的准确率,提出一种基于Xception模型的改进优化算法,改进模型中的残差连接模块,并嵌入Squeeze-and-excitation(SE)注意力机制对模型进行优化;采用优化后的Xception模型并结合迁移学习算法进行乳腺钼靶图像特征提取,并优化全连接层网络进行图像分类,使用公开的乳腺癌图像数据库CBIS-DDSM进行实验,将乳腺钼靶图像自动分为良性和恶性;实验结果表明该方法可以有效提高模型的分类效果,准确率和AUC分别达到了97.46%和99.12%。

基于Xception模型的遥感影像场景变化检测

由于遥感场景固有的语义特征,深度学习在场景分类中具有突出的语义特征提取能力,近年来得到了广泛的研究。然而,现有的基于深度学习的方法大多没有精细描绘场景几何形状,而是利用固定大小的滑动窗口来对影像分类,这些窗口可能由多种场景类型的混合像元组成,导致场景识别的可分离性低,细节粗糙,分类精度低。针对这一问题,将简单线性迭代聚类(Simple Linear Iterative Clustering,SLIC)与迁移学习相结合,实现场景斑块的精确分类,进一步提高场景变化检测的准确性。首先基于SLIC算法,考虑强度分布的相关性,将遥感影像分割成多尺度斑块;其次利用Xception模型结合迁移学习网络从多尺度斑块中提取深度语义特征,并基于softmax分类器计算概率,从而判别场景斑块的类别;最后,基于场景分类的结果提取地物的变化信息。实验结果表明,该方法能够适应不同尺度的场景识别,达到利用窗口网格检测方法的最高水平,提高了场景变化检测的精度和效率。

考虑局部胶结破损热力学行为的结构性黄土二元介质本构模型

建立考虑局部胶结破损机制的本构模型是黄土力学核心任务之一,是解决黄土工程稳定性分析/评价的关键理论基础。基于热力学方法和岩土破损力学,建立了一个宏-细观热力学本构模型,它能够定量描述局部胶结破损的热力学行为及细观尺度应力-应变非均匀分布特征,提高了模型对变形的预测精度,其在数学形式上同剑桥模型类似。首先,通过热力学能量守恒定律,确定结构性黄土压缩变形过程中的结构破损功数学表达式,并发现结构性黄土局部损伤耗散的热力学行为主要来源:(1)破损集合体与未破损集合体之间的相互摩擦作用;(2)未破损集合体向破损集合体转换时,部分细观结构破损的不可逆热力学行为。基于此认识,建立了考虑胶结破损热力学行为的宏-细观本构模型框架,并通过分析结构性黄土变形机制(摩擦+胶结+破损共同作用),确定其自由能、耗散能和破损耗散能表达式;推导了一个考虑体积破损和剪切破损演化规律的损伤屈服函数及本构关系。通过所建立本构关系对已有试验数据进行预测,验证其合理性。

db/db小鼠2型糖尿病骨质疏松模型的研究

db/db小鼠是广泛应用于2型糖尿病及其并发症实验研究的动物模型,对评价新药药效及阐明病理生理学机制的研究具有重要的意义。该文通过检索中英文数据库梳理db/db小鼠的遗传背景和病理特征,并收集整理了以db/db小鼠为2型糖尿病性骨质疏松症模型开展的现代药物、中药及相关临床应用的基础研究,以期为今后本病的实验研究提供可靠的证据。

基于CLIP微调的扩散模型安全化

扩散模型变革了文本–图像生成领域,使终端用户可以基于简单的自然语言提示生成高质量、多样化的图像艺术作品.然而,由于训练数据集庞大且未经过滤,文本–图像生成模型具有生成色情内容与暴力内容等不适当内容的能力.为更加安全地部署此类模型,提出了一种基于CLIP (contrastive languageimage pre-training)方向性损失的微调(directional CLIP loss based fine-tuning, CLIF)算法,使用方向性的CLIP损失来微调模型,以抑制其生成不适当内容的能力. CLIF消耗的计算资源很少,并且具有强制生效的特点.为评估其抑制效果,提出了CTP (categorized toxic prompts)用于评估文本–图像生成模型的不适当内容生成能力.在CTP与COCO (common objects in context)上的实验结果表明, CLIF能够在抑制文本–图像扩散模型生成不安全内容的同时不影响其一般性生成能力.

融合知识图谱和大模型的高校科研管理问答系统设计

科研管理是高校管理中的重要组成部分,但现有的科研管理系统难以满足用户的个性化需求。以高校科研管理向智能化转型为需求导向,将知识图谱、传统模型和大语言模型相结合,共同构建新一代高校科研管理问答系统。采集科研知识用于构建科研知识图谱。利用同时进行意图分类和实体提取的多任务模型进行语义解析。借助解析结果来生成查询语句,并从知识图谱中检索信息来回复常规问题。将大语言模型与知识图谱相结合,以辅助处理开放性问题。在意图和实体具有关联的数据集上的实验结果表明,采用的多任务模型在意图分类和实体识别任务上的F1值分别为0.958和0.937,优于其他对比模型和单任务模型。Cypher生成测试表明了自定义Prompt在激发大语言模型涌现能力方面的成效,利用大语言模型实现文本生成Cypher的准确率达到85.8%,有效处理了基于知识图谱的开放性问题。采用知识图谱、传统模型和大语言模型搭建的问答系统的准确性为0.935,很好地满足了智能问答的需求。

基于PSR+云模型的室内地震应急避难场所的韧性评估

为评估室内地震应急避难场所的韧性等级,提出一种基于压力-状态-响应(PSR)模型+云模型的室内地震应急避难场所韧性评估方法。从PSR角度构建室内地震应急避难场所韧性评估指标体系,划分韧性评估等级标准,利用AHP-DEMATEL为指标赋权,并结合云模型构建室内地震应急避难场所的韧性评估模型。以该模型对绵阳市九洲体育馆进行实证分析,分别确定其压力韧性、状态韧性、响应韧性的隶属度等级,最终得到综合等级C 2的结论,与九洲体育馆在汶川地震中表现出的韧性状态吻合,验证了模型的有效性。

基于LightGBM和LSTM模型的电力大数据异常用电检测方法研究

随着双碳经济的提出,智能电网正朝着节能减排的方向发展,而用户的异常用电造成电力资源严重流失。针对传统异常用电检测方法精度低、运行效率慢等问题,提出了一种将LightGBM模型与改进的长短期记忆网模型相结合用于异常用电检测。通过采样和Lightgbm模型相结合进行异常检测,并通过改进长短期记忆网模型给出异常用电类别。通过试验分析了所提方法的优点。结果表明,与传统的检测方法相比,该方法能够快速有效地检测异常用户,检测准确率为98.64%。同时对异常数据进行有效分类,综合分类准确率为96.60%。为异常检测技术的发展提供了一定的参考。

空化流动的数学物理描述及空化模型研究进展

空化流动是自然界中广泛存在的一种流体力学现象,它的理论建模和数值模拟方法研究长期以来形成了流体力学领域的重要方向。本文对空化的相变本质进行了阐述,系统地介绍了空化流动的数学物理描述,回顾了空化流动数值模拟的空化模型国内外研究进展,并详细地推演了以输运方程为基础的蒸发冷凝空化模型和泡动力学空化模型,可为空化流动的研究提供借鉴。

基于Dynamo的Revit-Midas/Civil斜拉桥模型信息转换

BIM模型不支持有限元计算,且BIM模型与有限元分析模型数据交互困难,故BIM技术正向设计过程中存在建模效率低、模型修改困难等问题,无法做到BIM结构设计与有限元力学分析一体化,增加了结构模型建模与纠错成本.本文依托Revit和Midas/Civil软件平台,在Dynamo环境下采用IronPython语言设计了一套Revit-Midas/Civil的模型信息转换程序.以博士大桥主桥为对象,通过程序自动实现:1)Revit模型桥梁构件分解、截面特性计算、拉索及梁塔弹性连接处理,并转换成适用于Midas/Civil的语言格式MCT文件,实现了Revit向Midas/Civil模型信息自动转换;2)将有限元计算结果反馈到Revit模型中,对作用效应信息按数值大小赋予渐变颜色,实现了在BIM模型中显示有限元分析结果的展示功能.本文程序可实现Revit-Midas/Civil模型信息转换,有效提高了BIM正向应用效率,弥补了BIM技术在桥梁结构分析方面的不足.

基于CNCSCOLOR的色相-色调感性模型构建

中国应用色彩体系(CNCSCOLOR)基于中国人眼视觉实验所开发,但在国外色彩体系的早期市场占有下没有得到广泛应用。本研究尝试开发一套易于学习推广的模型,以促进其普及和应用。首先通过对三维色彩体系的研究分析,借鉴日本PCCS色彩体系,构建了简化的二维色相-色调基本模型,其中色调融合了色彩属性明度和彩度。模型用直角坐标定位,水平轴为彩度,垂直轴为明度,5种无彩色将明度轴分为四段,12个20色色相环即12种有彩色色调,按照明度与彩度的大小有序分布于平面内。确定构成基本模型的240种有彩色和5种无彩色的选色规则,选出色彩,组合完善基本模型。其次,研究确定12种有彩色色调的感性,得到色相-色调感性模型。通过主观调查初步分析得到有彩色色调的感性,再实施客观眼动实验进一步验证调查结果,最终确定12个有彩色色调的感性分别是鲜明的、明快的、强烈的、浑厚的、清新的、淡雅的、浑浊的、厚重的、浅淡的、暗淡的、灰暗的、黑暗的。研究得到的色相-色调模型包含的色彩数量少,采用二维的平面布局,使初学者易懂易记,便于普及应用;且色调命名符合中国人的情感特征,将用于后续的感性配色模型构建,便于设计师和消费者快速进行精准的产品色彩搭配,对中国本土色彩体系的发展和色彩设计水平的提升具有实际的应用价值。

基于随机前沿引力模型的区域出口效率与潜力研究

作为全球最大的出口国和制造业第一大国,我国的区域出口效率对全球经济格局产生着深远影响。本文基于2010-2020年我国30个省份的面板数据,借助随机前沿引力模型,实证研究其出口效率与潜力及影响因素。研究结果表明,我国不同区域之间存在着明显的出口效率差异,且区域不平衡问题较为突出;资本存量、劳动力和人力资本水平会影响各省份出口,贸易非效率因素是制约其出口效率的关键,提高区域的数字化水平、到达港口的便利性、实际利用外资水平及制造业产业占比,可以显著提升其出口效率。

基于VOF模型的真空引水罐内流动特性

为解决真空引水罐出口气体流出问题,探究罐内气液两相流动机理,基于RNG k-ε湍流模型和VOF模型对真空引水罐进行计算,对不同初始状态下真空引水罐内的气液两相交界面形态、出口管气体流出量以及出口管内流动状态进行分析,讨论了真空引水罐内初始状态对罐内流场的影响,总结了罐内水位对内部流场及出口管的作用关系.结果显示:当初始水位远高于进水管时会大幅优化真空引水罐内流场;与原初始水位相比,罐内气液两相交界面的交互作用减少;气体流出量体积分数峰值从最初的6.916%降至0.106%,平均值从3.442%降至0.027%;出口管流态得到明显改善,顶部低压区域减少.研究结果表明初始水位的变化会影响真空引水罐内流场特性、气体流出量及出口管流态,为深入认识真空引水罐内部流动及真空引水罐的设计提供了数据支撑.

基于移动最小二乘法的阶跃型滑坡预警曲面模型

基于移动最小二乘法搭建阶跃型滑坡预警曲面模型,以三峡库区王家坡滑坡监测数据为例构建预警模型并验证了该模型用于滑坡阶跃预警的可行性。该模型通过移动最小二乘法拟合滑坡累计位移-监测期次曲线,利用拟合曲线导数信息确定滑坡阶跃变形区间,以区间二阶导数最大值点作为“类破坏点”获得当期降雨、前期降雨、位移速率阈值;根据“类破坏点”监测信息,利用移动最小二乘法建立滑坡阶跃变形发生的阈值曲面,以位移速率作为分级标准建立4级预警阈值曲面模型进行预警分析。王家坡滑坡验证结果表明,模型预警等级与滑坡实际位移情况相符,模型具有良好的预警效果,能实现高效准确的滑坡阶跃变形预警。

基于知识图谱和大语言模型的口述历史资源的问答应用研究

档案馆和图书馆等人文机构逐渐形成了丰富多样的有序化整理后的口述历史档案集合。引入问答系统,通过互动方式可展示档案单元内容的知识推理能力。本研究融合知识图谱和大语言模型,充分发挥知识图谱的准确性、内容透明度等优势,降低大语言模型带来应答幻觉、建设成本高等问题,尝试构造面对口述历史档案资源的问答系统。文章详细阐述了系统设计思路与构建过程,以及核心部件的关键技术要点等,并以李政道图书馆馆藏的CUSPEA主题的口述历史为研究对象,进行问答应用实践。实践验证了问答系统的可行性,能实现口述历史档案资源的知识融汇与知识挖掘,能有效辅助人文学者和历史爱好者理解与洞悉口述历史本质。

人工智能何以赋能教师专业发展:理论模型与实践路向

人工智能赋能教师专业发展已成为教育变革的重要议题,然而在当前人工智能助推教师专业发展的实践中,还存在认知、行为与环境等方面的现实阻碍,已有的专业发展模型主要是外源性的,缺乏对教师主体性的观照。在促进教师专业发展过程中,人工智能作为赋能因子的关键在于通过智能技术确定教师所处的发展阶段,消除和减少发展阶段间的各种阻碍因素,达成专业发展进入下一阶段的条件,实现教师专业发展的进阶。以此为切入点从教师主体性的视角,在现有教师专业发展阶段模型中融入人工智能因子构建的人工智能增强型教师专业发展模型(AIeTPD),具备发展计划可定制、发展过程可调控、发展成效可评价的特点,可通过教师学习、智能研修、教学创新三条路径,支持诊断式学习预测、个性化在线学习、混合式智能研修、交互式虚拟教研、孪生式混合课堂、智能化教学反馈以及综合化教师评价等应用场景,促进教师专业发展的阶段演化,重塑教师学习者、互学者、促学者角色,为数字时代大规模个性化教师专业发展提供支撑。

电动汽车多参数模型预测制动能量跟踪策略

针对电机制动能量回收率低和直流母线电压波动大的问题,提出了考虑电机功率、双向DC/DC变换器效率、超级电容电压等多个参数实时调整超级电容电流参考值的制动能量跟踪策略。采用储能单元的离散状态空间模型预测超级电容的电流和电压,并结合系统中多个参数计算超级电容的电流参考值。使用基于比例积分(PI)的电流环控制超级电容电流实时跟踪参考值,实现超级电容对电机能量的跟踪。通过仿真分析和对比试验,结果表明:所提出的策略能够将制动能量的回收效率由55.93%提升至86.76%,直流母线的电压波动范围抑制在0.9%以内。

基于话题序列的网络热点数据挖掘模型研究

随着互联网信息的爆炸式增长,如何从海量数据中准确、高效地挖掘出网络热点话题,成为当前数据挖掘领域的重要研究方向。界定话题序列的概念,并分析其在网络热点数据挖掘中的重要作用,可以提出一种基于话题序列的网络热点数据挖掘模型。该模型可以对话题进行时间序列分析,结合文本挖掘和机器学习技术,实现对网络热点话题的自动识别。仿真实验结果验证,基于话题序列的网络热点数据挖掘模型有效性较高,在准确率方面相对其他传统方法有显著提升。

高校技术转移预测模型构建及归因分析——以区块链技术为例

文章构建了高校专利转移预测模型,探索了影响预测效果的特征变量,以提升我国高校专利转化率,实现无形资产的产业价值。在清洗及标准化相关字段后,分别运用LDA、SBERT、SBERT-LDA模型提取专利技术主题,对比了不同主题提取模型的预测结果,以准确率、精确度、召回率及F1值评估了6种常用分类算法的效果,并以区块链技术领域所涉专利数据开展实证分析。实验结果表明,在区块链技术领域,采用SBERT-LDA方法提取专利技术主题后的随机森林算法展现出更优的预测性能。在此基础上,进一步运用SHAP解释框架分析了影响模型预测的特征变量,并解读了其作用机理。研究发现,特征变量对预测效果的作用可分为二分类、正相关、负相关以及随机波动型4类。