混合煤矸放落态势特征研究

传统的基于图像检测技术的放顶煤过程中煤流动态特性研究多侧重于某一特定阶段的图像分析,未结合全阶段的动态特性进行综合分析;现有研究较少将放顶煤过程中上覆岩层的松散区变化与放煤过程中的煤矸分离和煤流特性相结合,缺乏对放煤过程的全局性系统分析。针对上述问题,对放顶煤过程中的煤流动态特性、煤矸分离效果及上覆岩层松散区凹陷变化进行了系统研究。首先,提出了一种基于双光流网络的放顶煤过程动态分析方法。实验结果表明:不同放煤方案下,放煤速度不随放煤形式和规律的变化而改变,平均检测准确率随着放煤口数量的增多而提高,尤其在不同放煤步距阶段呈明显线性增长;顶煤放出率与平均检测准确率呈正相关关系,验证了该方法在放顶煤过程监测中的有效性。其次,利用OpenCV技术对上覆岩层松散区凹陷面积进行实验分析。结果表明,初始放煤阶段松散区凹陷面积急剧增长,随后随时间推移逐渐趋于稳定;通过凹陷面积的动态变化趋势,可有效判断顶煤的放出过程,实现透明化放煤监测。最后,结合称重实验数据,分析了放煤量、放出率与含矸率之间的关系。结果表明,初始放煤阶段纯煤放出量最大,周期放煤阶段纯煤放出量趋于稳定,含矸率则随着放煤口数量的增多而减少。该结果进一步揭示了放煤方式对煤矸分离和顶煤放出率的影响。

基于ResNet和ViT双流网络的小麦病虫害识别

针对小麦病虫害识别过程中,传统深度学习模型表现不稳定、识别精度低、泛化能力有限的现状,提出了新的双流网络模型,即结合ResNet和ViT以提高识别准确性。该方法融合了卷积神经网络处理图像局部结构,同时利用Transformer捕捉长距离依赖关系,改进了识别性能。通过2070张小麦病虫害图片数据集训练验证,调整ResNet50和ViT预训练模型参数,结果显示,双流模型在训练集上达96.5%准确率,在验证集获0.94的F_(1)分数,明显优于其他主流单一模型。结果证实,新模型在小麦病虫害识别卓越性能,为其在智能农业系统中广泛应用提供潜力。

基于人工智能技术的计算机网络安全防御系统的设计与实现

介绍了一种结合了卷积神经网络(CNN)和循环神经网络(RNN)的双流网络模型,用于提升计算机网络安全防御效率和精度。在改进的NSL-KDD数据集上进行训练和测试,该模型显示出了处理网络流量和识别网络攻击的高效能。分析了基于Actor-Critic算法的防御模块,其在模拟环境中的应用表现出了良好的防御成功率和可接受的误报率。结果表明,利用人工智能技术能够有效增强网络安全防御系统的响应能力和准确性。

关于5G双域快网的实现方案

中国电信5G双域快网,是指在5G定制网的“比邻”模式下,基于中国电信边缘UPF设备,为特定用户(指行业客户的特定群体,如师生、政务员工、医护人员等)和非特定用户(指到访客户指定的特定区域的所有电信5G用户,如普通游客)提供数据流量本地卸载和就近处理,使中国电信5G移动业务用户、物联网5G用户不换卡、不换号,可同时访问客户内网和互联网。文章主要说明5G双域快网基于增强型ULCL分流方式和DNN分流方式,实现4G和5G网络均可以访问客户内网和互联网的功能,同时增加域名分流和DNS重定向的方案以实现附加的功能。

基于DA-TCN-BiGRU的坡面泥石流预测研究

为解决当前坡面泥石流预测中存在的多因素数建模问题,并提高预测的精确度,提出一种融合双注意力机制、时间卷积神经网络和双向门控循环单元(DA-TCN-BiGRU)的坡面泥石流风险预测方法。通过模拟平台进行坡面泥石流模拟实验,采集多类传感器数据得到风险度大小,并以此表征所处的风险阶段。实验结果表明,所提模型短期预测的均方根误差、平均百分比误差和平均绝对百分比误差分别为0.013 59、0.010 407和1.182 64,中期预测的均方根误差、平均百分比误差和平均绝对百分比误差分别为0.019 01、0.015 17和1.729 46,优于其他比较模型。

基于多路光流信息的微光视频增强算法

图像和视频是记录真实场景信息的重要媒介,它们包含丰富而详细的视觉内容,可以开发各种智能系统来执行各种任务。特别是对于低照度条件下的视频,提升其清晰度和细节可以更好地表现和还原真实场景。针对在夜间低照度环境条件下对周围环境感知的需求,提出一种基于多路光流信息时间一致性的微光视频增强算法。通过引入预测的光流与真实的光流信息,构建三分支孪生网络对微光视频进行增强;同时针对微光视频存在的低信噪比以及模糊化问题,设计一种基于双尺度注意力机制的微光视频去噪模块(CA-Swin模块),以提升网络的去噪性能。通过在DAVIS数据集上进行对比实验和评估,得出所提网络在增强微光视频方面更高效,鲁棒性显著;且该策略还具有通用性,可以直接扩展到大规模数据集。

基于3D双流卷积神经网络和GRU网络的人体行为识别

针对基于双流卷积神经网络的人体行为识别准确率不高,不能充分利用时间维度的信息问题,提出一种基于3D双流卷积和门控循环单元(GRU)网络的人体行为识别模型。将3D卷积神经网络引入到双流卷积神经网络中,在双流卷积神经网络的空间流和时间流中分别使用3D卷积神经网络提取视频的时空信息;融合3D双流卷积神经网络提取到的时空特征,形成有时间顺序的时空特征流;将时空特征流输入到具有记忆信息能力的GRU网络中递归学习时间维度的长时序列特征并利用线性SVM分类器进行人体行为识别。在行为识别数据集UCF101上的实验结果表明,该模型充分地利用了视频的时间维度信息,识别率为92.2%,优于其他人体行为识别算法。

融合空间-时间双网络流和视觉注意的人体行为识别

该文受人脑视觉感知机理启发,在深度学习框架下提出融合时空双网络流和视觉注意的行为识别方法。首先,采用由粗到细Lucas-Kanade估计法逐帧提取视频中人体运动的光流特征。然后,利用预训练模型微调的GoogLeNet神经网络分别逐层卷积并聚合给定时间窗口视频中外观图像和相应光流特征。接着,利用长短时记忆多层递归网络交叉感知即得含高层显著结构的时空流语义特征序列;解码时间窗口内互相依赖的隐状态;输出空间流视觉特征描述和视频窗口中每帧标签概率分布。其次,利用相对熵计算时间维每帧注意力置信度,并融合空间网络流感知序列标签概率分布。最后,利用softmax分类视频中行为类别。实验结果表明,与其他现有方法相比,该文行为识别方法在分类准确度上具有显著优势。

基于改进3D卷积神经网络的行为识别

鉴于基于视频的人体行为识别中的视频流数据过于庞大,3D卷积核参数设置过多,存在训练时间较长,调参困难等问题,以3D卷积神经网络为基础,提出一种将3D卷积核拆分成空间域和时间域两种卷积核的神经网络结构。两种卷积核分别形成两个数据流进行交互,同时引入残差网络以优化网络结构,减少参数设置。将所提方法应用于两个行为识别数据集KTH和UCF101上进行训练验证,其行为识别准确率分别为96.2%和90.7%。结果表明,较改进前的神经网络框架,所提方法在保证动作识别准确度的前提下,训练速度提高了7.5%~7.8%。该方法可以有效降低深度学习进行行为识别的硬件要求,提高模型训练效率,并可以广泛应用于智能机器人领域。

Manuel Castells与流空间理论

在著名社会学家Manuel Castells丰沛的理论研究中,流空间理论举足重轻。该理论首先在其《信息化社会》一书中提出,在《网络社会的崛起》中得以进一步阐释,并在之后得到Castells的不断修正,成为信息时代空间理论的典范。理解流空间理论可以从四个方面着手:网络与流,网络城市,双重城市以及无限时间。网络和流阐释流空间的基本元素;网络城市表达了流空间理论对应的城市关注;双重城市不仅指出了城市空间的两重属性,也揭示了经济社会在流空间作用下的特性;无限时间理论则从时空关联角度讨论了流空间。

统一潮流控制器装置级优化控制策略综述

现代电网随着负荷不断增加,改善潮流分布的需求和稀缺的电力建设用地之间的矛盾日益突出。为最大程度发挥电网自身的供电能力,国内越来越多统一潮流控制器(UPFC)的工程开始建设与投运,因此UPFC装置的控制效果十分重要。本文结合国内外相关研究做了以下的工作:首先,介绍了UPFC的经典模型即双电压源模型和相应的控制原理;之后,采用电路理论中双口网络法对UPFC经典模型两端电流、电压的关系进行了分析,指出各控制器间存在交互影响问题;然后,对其优化控制策略进行了分类和综述,同时简要分析了各种方法的优化效果和存在问题;最后,列举了UPFC控制技术今后可能的研究方向。

基于改进慢快双流网络的锌快粗选工况识别

锌快粗选是锌浮选的第一个浮选工艺,其工况状态直接影响后续精选和扫选的性能效果。现有基于卷积神经网络的浮选工况识别方法直接构建泡沫图像和工况类别的关系模型,自动挖掘与工况关联的泡沫深度特征,取得了一定的效果,但忽略了不同采样率下泡沫视频的动态时序信息。为此,提出一种基于改进慢快双流网络的模型,通过泡沫视频对锌快粗选工况进行识别。首先,以慢快双流网络作为主干网络,引入P3D-A轻量化结构减少网络参数,提高模型推理效率。然后,融入时间注意力模块(Time Attention, TA)、空间注意力模块(Channel Spatial Attention, CSA)和空间时间聚合模块(Spatial Time Together, STT),对泡沫视频时空特征进行有效表征,促进双流网络融合。最后,设计辅助网络(Auxiliary Network, AN),降低模型过拟合,提高工况识别准确率。实验结果表明,所提方法能准确地识别锌快粗选工况,准确率达82.54%,与已有的慢快双流网络相比,准确率提高了11.98%。

应用多重网格法及非交错网格对均热炉流场的模拟

利用多重网格及非交错网格计算了装有钢锭的长坑均热炉的冷态流场，计算结果表明了上述方法的可行性。

基于视频放大和双分支网络的微表情识别

微表情是指当人们想要隐藏其真实情绪时,所自发产生的表情,持续时间在1/5 s之内,其面部肌肉运动短暂、幅度微小,有限的数据集使得特征提取变得困难,给其识别带来巨大的挑战。针对这些问题,本文提出一种基于图像预处理技术和双分支网络的识别方法,首先利用先进的人脸对齐网络获取有效的面部表情区域,再采取欧拉视频放大技术捕捉面部动作的微弱变化,以及提取光流信息作为视频序列的特征,然后将光流信息不同组合的特征图输入到双分支分类网络中得到表情标签输出。在SMIC和CASMEⅡ两个公开的数据集上进行实验,采用留一法交叉验证,准确率分别达到0.545和0.584,实验结果的定量分析和定性分析均验证了所提出识别模型的有效性。

基于WiFi CSI的多特征融合的步态识别

基于WiFi信道状态信息(CSI)的步态识别作为一种新型的生物特征识别方案,从步态周期、步速、行走姿势、身体平衡、足底压力等方面的差异进行分析,从而有效识别行人身份。然而,目前大多数基于WiFi CSI的步态识别方案中主要针对人体的运动特征进行识别,鲜见对人体物理形态特征进行分析,这样就导致了特征提取不完整,系统识别率低,鲁棒性差等问题。针对上述情况,提出了一种结合步行时运动特征和相对静止时物理形态特征的多特征融合身份识别方法。该方法利用了一个双流卷积神经网络(CNN)分别提取粗粒度运动特征和细粒度物理形态特征,并将两部分特征融合,进行身份识别。在真实的场景中进行了实验,最高准确率达到97.1%,明显优于现有的识别方案,实验证明了该方法的有效性和通用性。

一种基于双流网络的跌倒检测算法

跌倒动作识别在独居老人的监护与医疗领域有着巨大的前景与应用价值。随着计算机视觉与深度学习的不断发展,动作识别技术也有着显著的近展开,文章针对通过双流网络与LSTM网络各自的优势进行结合,通过建立40人的室内动作数据集对模型的训练。结果表明,时序双流网络增强了模型在时序方向上的表达能力,提高了模型的检测准确率,在独居老人的医疗监护方面有一定的适用价值。

基于视频检测的储粮害虫死亡评估算法的研究

在我国,如何对杀虫效果进行评估,以提高防治措施的有效性和经济性,是粮库在害虫防治方面亟待解决的一个问题。目前,我国一些粮库已经安装了储粮害虫图像采集装置,因此本研究提出一种基于视频检测的储粮害虫死亡评估算法,用来检测杀虫过程中害虫死亡的具体数量变化情况。算法的核心是基于深度卷积神经网络的双流法网络,综合图像目标检测算法和两帧差分法进行识别,实现视频数据中害虫的定位与识别。测试结果表明本算法可有效检测储粮害虫的死亡情况,检测平均正确率可以达到89.3%。

大规模网络最大流对偶图算法模型及实现

在网络最大流算法的研究中,为了减少计算量,提出了许多改进的方法.基于图论中的最大流最小割定理,利用网络流图的对偶图的最短路径求网络最大流,对求最短路径的Dijkstra算法进行了研究,给出了一种改进的Dijkstra算法模型,该算法采用了堆排序中的小根堆来选择最短路径结点,使用集合运算对堆中的结点进行处理,使得参加运算的结点数减少,提高了算法的效率.

DCSRC：一种基于龙芯SoC的控制流与数据流分离的可重构计算集群

针对基于龙芯SoC的并行可重构计算系统存在数据通信性能瓶颈的问题，介绍了一种基于龙芯SoC的控制流与数据流分离的可重构计算集群系统，提出了一种用于可重构计算的数据流／控制流分离的软硬件划分方法，同时基于该划分方法提出了一种双网络互联的集群结构，用于可重构计算系统的并行扩展。在网络互联的实现上，利用了硬件实现网络协议栈的思想，设计并实现了一种点对点的高速互联网络结构，实现了数据网络和控制网络传输通路的分离。

双栈多链路接入网络出口流量优化的研究

为解决运营商互访瓶颈以及实现链路间的备份,园区网采用多链路接入,同时其有限的出口带宽被P2P等应用大量占用。本文首先介绍了流量控制和链路负载均衡等关键技术,接着应用这两种技术提出了一种多链路园区网出口流量优化的思路,并结合北京交大校园网研究该方法的实施。最后探讨了园区网Ipv6出口流量优化技术。