融合VGG与注意力的学生微表情识别和情绪评估方法

在智能课堂中,实时掌握学生的情绪状态对于提高教学质量和个性化教育具有重要意义。引入通道注意力机制,对VGG16卷积神经网络进行改进,结合多层感知机,提出了VGG16_SE_MLP模型用于学生微表情分类识别以及情绪评估方法。首先对微表情数据集进行预处理,然后进行特征提取,在卷积层后面引入SE模块,并加入批归一化层防止过拟合,通过MLP计算得到新的特征向量以及微表情类别,最后对学生情绪进行评估。实验结果表明,该方法在微表情分类识别和情绪评估效果性能良好,为智能课堂提供了新思路。

Log-normal湍流信道中超奈奎斯特传输系统的误码性能

超奈奎斯特传输理论与调制技术相结合,可有效提高系统的频谱效率。本文将超奈奎斯特理论引入大气激光通信系统,构建了一种适合于log-normal湍流信道的超奈奎斯特光传输系统,推导了QPSK调制方式下超奈奎斯特大气光传输系统平均误码率的表达式,利用蒙特卡洛仿真进一步分析了该系统的误码性能及频谱效率。结果表明:采用超奈奎斯特技术方案可以较大幅度提升大气光传输系统的频谱效率,当SNR为18 dB,S.I.为0.4时其频谱效率可以达到1.7 Baud/Hz,而未采用超奈奎斯特技术时只有1.56 Baud/Hz。另一方面,大气湍流对超奈奎斯特系统误码性能的影响较明显,当S.I.为0.4,BER为3.8×10^-3时,信噪比恶化了约1 dB。相对于频谱效率的提升,误码性能的恶化是能够接受的。因此,可以将FTN技术引入大气光传输系统来提高系统的频谱效率。

基于Normal Form方法的UPFC多个功能控制器间交互影响分析

统一潮流控制器(UPFC)的重要特点之一就是它具有的多控制功能,包括潮流控制、电压控制和稳定性控制等等。然而时域仿真研究表明统一潮流控制器的多个控制器之间可能存在着较强的交互影响。本文研究了规范型(Normal Form)方法用于分析UPFC控制器间的交互影响问题的可能性,并引入一非线性交互指标定量地指示出控制器间的交互强弱程度。所提方法应用到新英格兰10机39节点系统,并通过时域仿真验证了所提规范型理论分析方法的有效性。

基于概率球面判别分析的说话人识别信道补偿算法

在说话人识别任务中,概率线性判别分析(PLDA)模型是目前常用的分类后端,但由于高斯PLDA模型分布假设不能准确拟合真实说话人特征分布,导致基于高斯分布假设长度归一化的信道补偿方法会破坏说话人特征类内分布的独立性,使得高斯PLDA不能充分利用上游任务提取特征所包含的说话人信息,从而影响识别结果。针对这一问题,提出基于概率球面判别分析的信道补偿算法(CC-PSDA),通过引入冯·米塞斯-费希尔(VMF)分布假设的概率球面判别分析模型(PSDA)和特征变换方法代替高斯分布假设的概率线性判别分析方法,以避免信道补偿对说话人特征类内分布独立性的影响。首先,为了使说话人特征符合VMF分布先验假设拟合后端分类模型,在特征级利用非线性转换对说话人特征进行分布变换。之后,利用基于VMF分布假设的PLDA模型不会破坏说话人特征的类内分布结构的特点,将变换后的说话人特征定义到特定维度的超球面,最大化特征类间距离。所提算法通过期望最大化(EM)算法进行求解,最终完成分类任务。实验结果表明,改进算法在三个测试集上的识别等错误率相较于对比模型PSDA、高斯PLDA均最低。由此可见,所提模型可以有效区分说话人特征,提高识别性能。

基于改进SqueezeNet的火焰识别算法

针对现有火焰识别算法在效率上的不足,设计1种轻量高效的深度学习模型。模型基于SqueezeNet进行优化,引入双分支注意力机制以强化对火焰特征的识别能力,提升模型分类性能;同时,加入残差连接,提高网络的训练稳定性和特征表达能力;通过使用批通道归一化技术提高网络的泛化性能;此外,通过将Fire模块中的3×3标准卷积核替换为深度可分离卷积,进一步降低参数数量和计算复杂度,并通过多个公开的火焰图像数据集来评估所提算法的性能。研究结果表明:相较于原始的SqueezeNet算法,改进后的SqueezeNet模型不仅提升检测速度,同时也获得更高的识别准确率和更好的泛化能力。研究结果可为实时火灾监测系统和智能消防设备的开发提供理论基础和技术支持。

基于平急两用思路下的非常规道路行泄通道设计

道路路面作为行泄通道排放管网超标雨水,在排涝除险中起到极为关键的作用。基于SWMM构建了道路明渠流与管道压力流耦合的水力排涝模型,以胶州市株洲路为对象,创新性的设计-2%非常规道路横坡,对平急两种情况下道路的行泄能力进行了验证。结果表明:道路作为平急两用排水防涝设施,在极端暴雨的运行工况下,达到了有效增加排水能力的设计目标。

基于稀疏角域的6G信道估计智能反射面算法

智能反射面(Reconfigurable Intelligent Surface,RIS)有着操纵性强、能耗低、方便部署等优势,已成为6G(第六代移动通信)的关键技术。研究了关于智能反射面的信道估计算法,对于传统算法在传播时路径会因角度原因发生偏移的情况,采用了Tucker分解的稀疏角度域高阶奇异值分解(High Order Singular Value Decomposition,HOSVD)信道估计算法来解决路径偏移的问题。为了验证所提出算法的鲁棒性,对比了传统的交替最小二乘法信道估计算法,可以得到不管是在用户数量、传播的路径偏移上都能取得比传统的信道估计算法更好的归一化最小均方误差(Normalized Mean Squared Error,NMSE)效果。

基于改进YOLOv5的Logo检测算法

针对Logo图像背景复杂、Logo目标尺寸多变的问题,提出了一种基于YOLOv5的改进检测算法。首先,结合CBAM(Channel Block Attention Module),分别在图像通道与空间方向进行压缩,提取图像的关键信息与重要区域;然后,使用可变空洞卷积(SAC)使网络在不同尺度下自适应地调整特征图中的感受野大小,以捕获不同尺度下的物体信息,改善网络对多尺度目标的检测效果;最后,将归一化Wasserstein距离(NWD)嵌入损失函数,将边界框建模成2D的高斯分布,计算对应的高斯分布之间的相似度,更好地度量目标之间的相似性,提高对小目标的检测性能与模型鲁棒性和稳定性。实验结果表明,在数据量较小的数据集FlickrLogos-32中,改进后算法的平均精度均值(mAP@0.5)达到90.6%,比原始YOLOv5算法提升了1个百分点;在数据量较大的数据集QMULOpenLogo中,改进后算法的mAP@0.5达到62.7%,比原始YOLOv5算法提升了2.3个百分点;在针对特定类型的Logo检测集LogoDet3K中,针对3类商标改进后算法比原始算法的mAP@0.5分别提升了1.2、1.4与1.4个百分点,说明它有更好的Logo图像小目标检测能力。

基于多尺度特征融合与多任务学习框架的非侵入式负荷监测方法

随着建筑物能源消耗的不断升高,高精度与高泛化能力的非侵入式负荷监测技术的研究具有重大意义。针对当前负荷分解方法存在的问题,提出了一种基于多尺度特征融合与多任务学习框架的非侵入式负荷监测方法。将实例-批归一化网络与U形网络结合,提取总负荷数据的上下文信息,并利用跨越连接实现对不同尺度的细节特征与全局特征的融合。针对多特征特点,引入高效通道注意力网络,使模型聚焦重要特征。引入多任务学习框架与后处理操作,去除输出的假阳性片段,实现对目标电器的精准识别。将所提模型与几种代表性模型在UK-DALE(UK domestic appliance-level electricity)数据集与REDD(reference energy disaggregation data set)上进行对比实验,结果表明,所提模型的性能优于对比模型,具有出色的负荷分解能力与状态识别能力。

一种新的Rayleigh-Normal仿真模型

信道特性的仿真和研究对设计无线通信系统具有重要的意义;在研究现有的信道仿真模型的基础上,提出了Rayleigh-Normal仿真模型;用Rayleigh随机信号和Normal随机信号的线性组合来仿真接收信号,并用该仿真模型仿真了Rayleigh、Ricean、Nakagami和Lognormal等常见信道模型的一阶统计特性,仿真结果证明了Rayleigh-Normal仿真模型是一种准确而有效的衰落信道仿真模型.

法向磁场作用下槽道流内的精确相干态

层流-湍流转捩过程一直以来都是流体力学的研究热点,精确相干态对于预测转捩路径和理解湍流自维持动力循环过程具有重要的意义.为了研究法向磁场对槽道流转捩过程的影响,文章利用直接数值模拟方法结合二分法,在槽道泊肃叶流中寻找不同雷诺数和哈特曼数组合下的精确相干态-周期轨道解,并对施加磁场前后精确相干态的结构与形态进行了对比分析.结果发现,在本文考虑的参数组合下,精确相干结构在施加磁场前后并无明显变化,均由位于通道中心的流向条带及其两侧的流向漩涡构成.随雷诺数的增大,精确相干态的轨道周期变长,而扰动能振幅则减小.当磁场强度增大时,流场内各方向上的扰动能呈周期性振荡变化,且流场内的相干结构向两侧的壁面迁移,扰动速度振幅增大.无磁场作用时,精确相干态的扰动能正比于Re^(-2.36),且不同Re数下的均方根扰动速度分布具有相似性.施加法向磁场后,上述标度律不变,均方根速度分布不再具有相似性,精确相干态的扰动能随磁场强度增加而增大,表明磁场对扰动具有一定的抑制作用,从而使流场保持相对的稳定.

基于双判别器异构CycleGAN框架下多阶通道注意力校准的室外图像去雾

图像去雾是计算机视觉领域中一个经典并具有挑战性的研究方向.近年来,基于深度学习的方法在图像去雾领域取得了显著的成绩.然而,大多数去雾算法依赖于合成配对数据训练网络,由于合成数据与真实有雾数据在分布上存在一定的差距,从而限制了这类去雾方法的实际应用.目前基于CycleGAN网络框架的去雾算法将图像去雾视为一般性图像转换问题,忽视了生成器学习的有效性;此外,在恢复图像时缺乏对于局部区域的探索,构建的网络结构中仅采用一阶通道注意力,忽略了深层次通道相关信息的有效利用.为此,本文提出一种基于双判别器异构CycleGAN框架下多阶通道注意力校准的室外图像去雾算法,该方法主要包含双判别器异构循环框架和多阶通道注意力模块.具体来说,双判别器异构CycleGAN框架通过异构批归一化的生成器和约束生成器局部视野的方式,提升算法的收敛效果和增加局部区域关注.为了进一步挖掘对于图像去雾至关重要的特征通道信息,本文通过引入一阶、二阶特征统计量提出了多阶通道注意力模块,从而提升去雾图像的视觉质量.实验结果表明,在公开合成和真实室外数据集上,本文提出的去雾方法相比现有的8种优秀的去雾算法,取得了最好的客观评价指标和视觉效果.

考虑消费者策略行为的全渠道两阶段广告投放与动态定价决策

在需求为导向的全渠道市场环境下,切实从消费者行为属性制定广告与价格营销策略是促进全渠道零售长足发展的关键。本文将消费者策略行为引入到全渠道零售中,构建零售商在两阶段均不投放广告、第一阶段正常期投放广告及第二阶段优惠期投放广告等三种广告决策模式下全渠道两阶段广告投放与动态定价模型,探讨全渠道零售商的最优响应策略,并对模型进行数值算例。研究发现:当消费者的策略性水平较低时,零售商选择在正常期(优惠期)投放广告策略下,正常期产品定价较高(较低),优惠期产品定价较低(较高);零售商在正常期或优惠期投放广告对正常期销量都是有利的;当消费者的策略性水平较低或广告的影响系数较低时,零售商选择在正常期投放广告能获得最优收益;当消费者的策略性水平偏高、广告的影响系数适中时,零售商在优惠期投放广告是最优的;当消费者的策略性水平及广告的影响系数都偏高时,零售商选择在两阶段均不投放广告是最优策略。

基于特征增强生成对抗网络的文本生成图像方法

针对文本生成图像任务过程中存在图像视觉特征和通道特征信息利用不充分问题,提出一种基于特征增强生成对抗网络(FE-GAN)的文本生成图像方法.首先,在动态记忆读取时,设计二次记忆(MoM)模块来对生成的中间特征进行注意与融合,利用注意力机制在记忆读取时进行第一次视觉特征增强,再将得到的注意力结果和上一个生成器生成的图像特征进行融合,实现第二次图像视觉特征增强.然后,在残差块中引入通道注意力来获取图像特征中的不同语义,提升相似语义通道之间的关联性,实现通道特征增强.最后,将实例归一化上采样块和批量归一化上采样块相结合来提高图像分辨率,同时缓解批量大小对生成效果的影响,提升生成图像风格多样性能力.在CUB-200-2011和Oxford-102数据集上进行的仿真实验表明,所提方法的IS分别达到了4.83和4.13,与DM-GAN相比分别提高了1.68%和5.62%.实验结果表明,FE-GAN生成的图像在细节处理上更好,更加符合文本语义.

基于深度强化学习的UAV联盟网络通算联合设计

无人机联盟网络中通信和计算互耦,故对通信和计算进行联合设计有助于提升其整体性能。基于此,文中研究了基于深度强化学习的UAV联盟网络通算联合设计技术。首先,提出基于置信区间上界(UCB)Dueling DQN(U-DDQN)和状态归一化的双延迟深度确定性策略梯度(N-TD3)的多域抗干扰通信策略,根据该策略给UAV链路分配频道和功率并计算出各链路容量;然后,利用N-TD3算法和获得的链路容量设计任务卸载策略。仿真结果表明,基于U-DDQN和N-TD3的抗干扰通信策略显著提高了UAV链路容量,同时基于该链路容量和N-TD3算法设计的计算卸载策略降低了UAV任务处理时延,故所提通算联合设计满足UAV联盟网络的通信能力需求。

浅海温跃层对声信道影响的仿真研究

温跃层环境下的声速剖面结构变化对浅海声信道有着重要影响。应用Kraken简正波模式对浅海声信道的能量场进行了仿真研究,讨论了声传播损失对温跃层强度和温跃层位置两类参数变化的敏感性。仿真计算结果表明,跃层的增强将使传播损失明显增大。温跃层以及上、下均匀层位置的改变也能使声场能量分布发生明显变化。声源位于跃层之上的均匀层中时声源深度附近的声能明显增强,而声源位于跃层中时整个水柱范围内的声能迅速衰减。

黄河水沙过程调控与塑造下游中水河槽

随着黄河流域来水来沙过程的大幅变化及人类活动的加剧,黄河的健康状况日趋恶化.通过对黄河健康的内涵、维持黄河健康生命的理论与技术支撑、流域水沙资源优化配置数学模型、大型水利枢纽联合运用对黄河下游河道的减淤作用、塑造黄河下游河道中水河槽等方面的研究,提出了对黄河水沙调控体系的认识,并认为在目前实际的黄河水沙条件下,通过小浪底水库的调节,黄河下游河道经过5～8年的努力,是可以塑造出一个平滩流量为4 000 m3/s左右的中水河槽的.

半立方抛物线形渠道正常水深算法

为了给半立方抛物线形渠道断面正常水深的计算提供一种简捷、通用、精度较高的显函数计算公式,根据迭代理论并采用优化计算确定初值函数的方法进行分析研究.通过引入断面特征水深的概念,对半立方抛物线形渠道正常水深的基本方程进行变换处理,推导出收敛速度较快的迭代公式,并证明了公式的收敛性;在断面特征水深范围即无量纲正常水深H∈[0.025,40]范围内,对迭代公式进行优化计算,取得合理的迭代初值函数;合理初值与迭代公式的配合使用,得到半立方抛物线形渠道断面正常水深的显函数直接计算公式,并对公式进行了误差分析以及用工程实例进行了验证.结果表明:在工程常用的断面特征水深范围内,正常水深的最大相对误差小于0.3%,计算公式具有形式简单、精度高、适用范围广的优点,该研究为排灌渠道的断面设计以及渠道流量控制时求解均匀流水深提供了简捷方法.

维持黄河下游中水河槽的小浪底调控指标分析

塑造和维持黄河下游中水河槽,是维护黄河健康生命的一项重要任务,也是对小浪底水库拦沙期运用的基本要求。通过分析黄河下游河道平滩流量的变化与进入下游的水沙量之间的响应关系,以及建立平滩流量与滑动平均汛期水量和洪水流量的关系,提出长期维持黄河下游中水河槽的调控指标为:流量不小于2 600 m^3/s,历时不小于6 d。通过分析当前4 000 m^3/s左右中水河槽的下游河道洪水冲淤特性,提出当前维持中水河槽对小浪底水库的运用要求为:汛前调水调沙尽可能塑造接近下游平滩流量的洪水过程,调控流量为3 500 m^3/s左右;汛期结合中游洪水过程塑造2 500m^3/s以上量级且具有一定历时的洪水过程。

基于Kraken简正波模型的浅海声场分析

水声信道的传输特性是影响水声通信系统性能的重要因素。本文采用了一种全液态Kraken简正波模型 ,对位于浅海信道的目标海区的传播特性进行分析 ,得到了不同传播条件下信道的传播损失和频率特性图 ,为水声通信系统的设计提供了理论基础。