基于CNN和Group Normalization的校园垃圾图像分类

为解决大学校园的垃圾回收分类问题,提出了一种基于卷积神经网络和归一化技术的垃圾图像分类方法,不需要对输入的图像进行复杂的处理,网络模型即可根据算法提取图像特征,通过加入群组归一化(Group Normalization)和网络模型各层之间的协作,克服传统分类算法的缺点,实现对垃圾图像的分类。实验表明,该识别方法具有较高准确率,可以较好识别不可回收及可回收垃圾。

Position Group Contribution Method for Predicting the Normal Boiling Point of Organic Compounds

A new position group contribution model is proposed for the estimation of normal boiling data of organic compounds involving a carbon chain from C2 to C18.The characteristic of this method is the use of position distribution function.It could distinguish most of isomers that include cis-or trans-structure from organic compounds.Contributions for hydrocarbons and hydrocarbon derivatives containing oxygen,nitrogen,chlorine,bromine and sulfur,are given.Compared with the predictions,results made use of the most common existing group contribution methods,the overall average absolute difference of boiling point predictions of 417 organic compounds is 4.2 K;and the average absolute percent derivation is 1.0%,which is compared with 12.3 K and 3.2% with the method of Joback,12.1 K and 3.1% with the method of Constantinou-Gani.This new position contribution groups method is not only much more accurate but also has the advantages of simplicity and stability.

On Endomorphisms of Normal Orthogroups

As well known, a normal orthogroup is a strong semilattice of rectangular groups. In this paper, we consider the homomorphisms between normal orthogroups and endomorphisms of themselves, relating them to the homomorphisms and endomorphisms of the underlying rect-angular groups with their compositions.

Fault Diagnosis of Wind Turbine Generator with Stacked Noise Reduction Autoencoder Based on Group Normalization

In order to improve the condition monitoring and fault diagnosis of wind turbines,a stacked noise reduction autoencoding network based on group normalization is proposed in this paper.The network is based on SCADA data of wind turbine operation,firstly,the group normalization(GN)algorithm is added to solve the problems of stack noise reduction autoencoding network training and slow convergence speed,and the RMSProp algorithm is used to update the weight and the bias of the autoenccoder,which further optimizes the problem that the loss function swings too much during the update process.Finally,in the last layer of the network,the softmax activation function is used to classify the results,and the output of the network is transformed into a probability distribution.The selected wind turbine SCADA data was substituted into the pre-improved and improved stacked denoising autoencoding(SDA)networks for comparative training and verification.The results show that the stacked denoising autoencoding network based on group normalization is more accurate and effective for wind turbine condition monitoring and fault diagnosis,and also provides a reference for wind turbine fault identification.

FINITE p-GROUPS WHICH CONTAIN A SELF-CENTRALIZING CYCLIC NORMAL SUBGROUP

For any prime p, all finite noncyclic p-groups which contain a self-centralizing cyclic normal subgroup are determined by using cohomological techniques. Some applications are given, including a character theoretic description for such groups.

浙一师校友会与新型知识分子群体的形成

随着民初兼具学校组织与社会关系网络两重身份的校友会兴起,“学校—校友会—校友”构成紧密联系,“学校—校友—社会”的互动有了新的观察视角。浙一师校友会便是典例,该校友会一以贯之地在人格教育中迎合新潮流、关注校友群体与社会,体现了浙一师“与时俱进”的精神。在浙一师校友会人格培养与关系联结等方面作用下,由校友同仁构成的新型知识分子群体逐渐形成,并在教育革新、文艺创作、社会革命等领域呈现出多种思想样貌。

新文科视野下高校中文专业语言类新型课程群建设研究

新文科建设对高校中文专业语言类课程群的交叉融合和系统协同提出了更高的要求。在深入剖析语言类课程设置现状基础上,提出新型课程群的核心理念及导向,基于此构建课程群模式,即基础知识层级、交叉素养层级和实践能力层级,进而提出建设跨学科教师团队、转变教学方法和教学理念、策划语言实践活动等具体实现路径。整体思路以培养能力复合型人才为导向,明确了系统性的知识结构串联、课程耦合和协同机制、多学科交叉融合等理念,为新文科背景下新型课程群建设和落地实践提供了有力支撑。

基于卷积神经网络的轻量级水稻叶片病害识别模型

水稻病害一直是影响水稻产量的重要因素之一,为了快速、准确地检测水稻病害,本研究提出了一种基于卷积神经网络的轻量级水稻叶片病害识别模型。首先,从参数量的角度对注意力机制进行改进,得到轻量级注意力机制模块,对水稻叶片病害特征图中的潜在注意力信息进行深度挖掘;其次,使用深度可分离卷积代替部分标准卷积,进一步降低模型的参数量;最后,为了提高模型的泛化能力,让模型学习过程更快、更稳定,采用了自带内部归一化属性的扩展型指数线性单元函数(SELU)与外部组归一化模块相结合的方法。通过在公共数据集中进行验证,本研究构建模型的平均精度最高(0.990 0),模型在参数量和平均单次迭代时间方面也有一定优势,与其他模型相比,具有相对较好的性能。

基于改进深度学习的航拍滑坡检测方法

为及时发现滑坡险情展开应急救援,提出一种结合逐通道不同阈值的深度残差收缩网络(DRSN-CW)方法的更快速区域卷积神经网络(Faster-RCNN)模型的航拍图像滑坡检测算法。利用图像增强的伽马变换、高斯滤波方法提高图片的质量;使用群组归一化方法消除batchsize大小对模型的影响;为减少噪声以及无关特征区域的干扰,采用DRSN-CW网络对滑坡检测目标进行精准定位。实验结果表明,改进后模型与先前模型相比F1值以及平均精度分别增加了10.7%、10.2%,可以有效检测滑坡险情。

高铁接触网系统可靠性评估与维修计划决策

研究目的:针对高速铁路接触网系统四种维修方式,本文以接触网系统可靠性最高和维修费用最低为目标,建立基于维修方式组合的预防维修系统多目标优化模型,提出一种改进多目标粒子群优化算法对该模型进行求解。首先采用PWLMC混沌映射生成初始化种群,增强种群多样性,然后采取非线性递减的惯性权重调整策略,提高算法寻优精度和收敛速度。在种群进化过程中,对每一代粒子使用归一化越界处理方法,防止算法陷入早熟。研究结论:(1)提出的改进多目标粒子群优化算法与现有算法相比,Pareto最优解前端的分布范围更广且种群多样性及获得的最优解精度均有提高;(2)在维修次数取13的情况下,改进算法获得的维修方案及该方案下各部件的动态可靠性能均达到较理想效果;(3)改进多目标粒子群优化算法可在满足实际安全运行的要求下得到最优决策方案,有效减低接触网系统维修费用的同时提高其可靠性,为高速铁路接触网系统可靠性评估与维修计划决策提供有效方法。

基于改进YOLOv4的道路病害实时检测模型

针对道路中存在多类、尺度不一的病害类型导致其检测精度低、检测速率慢以及漏检等问题,提出一种基于改进YOLOv4的道路病害实时检测模型。在网络模型中,首先优化卷积块中的归一化方式,采用组归一化来代替批量归一化,避免因BatchSize过小而导致检测效果不佳的情况发生;同时对卷积块进行优化,使用深度可分离卷积块来替代原有卷积块,量化网络模型的参数计算量,提高检测速度;最后在检测头中使用自适应非极大值抑制算法,解决非极大值抑制固定阈值引起的小目标漏检和误检问题。实验结果表明,改进后的YOLOv4算法在道路病害检测的检测精度mAP值高达88.64%,检测速度可达37.90帧/秒;与原YOLOv4算法相比,改进后的算法在检测精度上提高了2.89个百分点,同比检测速度增加了10.60帧/秒,且有效解决了漏检现象,进一步提高了在道路病害检测中的实用性。

超可解群的自中心化子群

自中心化子群是一种重要的子群,称H是有限群G的自中心化子群,若H≤G,满足CG(H)≤H.当有限群G为p-群或者幂零群时,其极大交换正规子群是自中心化子群,我们将该结果推广到有限超可解群上.作为应用,计算了16阶群G=〈a,b|a8=1,b2=a4,b-1ab=a-1〉的自中心化子群,并给出了反例说明该结果在可解群G=SL(2,3)上不是普遍成立的.

非负组稀疏约束优化问题的最优性条件

基于Bouligand意义下的切锥与法锥和Clarke意义下的切锥与法锥,该文研究了非负组稀疏约束优化问题的最优性理论.该文定义了非负组稀疏约束集的Bouligand切锥与法锥和Clarke切锥与法锥,并给出了它们的等价刻画形式.在目标函数连续可微的条件下,借助于非负组稀疏约束集的切锥和法锥,给出了该优化问题的四类稳定点的定义,并讨论了它们之间的关系.最后,建立了非负组稀疏约束优化问题的一阶和二阶最优性条件.

The Automorphism Group of the Lie Group T（D（V_N,F））

在这份报纸，作者决定谎言转变组 T 的最大的连接自守组( D ( VN ， F ))，它对正常 Siegel 领域 D 起作用( VN ， F )简单、及物，并且证明最大的连接自守 T 组织( D ( VN ， F ))是它的最大的连接内部自守组。

Homomorphic Properties of Fuzzy Rough Groups

This paper is devoted to the discussion of homomorphic properties of fuzzy rough groups.The fuzzy approximation space was generated by fuzzy normal subgroups and the fuzzy rough approximation operators were discussed in the frame of fuzzy rough set model.The basic properties of fuzzy rough approximation operators were obtained.

On the Group of Units for the Ring of Linear Transformations

In this paper, we introduce a practical method for obtaining the structure of thegroup of units for the ring of linear transformations of a vector space over an arbitrary field,and we give a further generalization of the result in [3].

师范生亲社会行为倾向与特殊儿童观:基于多群组结构方程模型的分析

文章对794个师范生进行问卷调查,以考察师范生亲社会行为倾向和特殊儿童观的关系以及其性别差异。结果发现:(1)师范生的特殊儿童观呈现积极特点;(2)师范生亲社会行为倾向正向预测特殊儿童观及其子维度平等观和可教育性;(3)男师范生亲社会行为倾向对特殊儿童观及其子维度(平等观与可教育性)的预测作用显著高于女师范生。上述结果揭示了亲社会行为倾向和特殊儿童观的关系以及性别的调节作用,为改善师范生的特殊儿童观提供了量化证据。

CHARACTERIZATION OF MODULAR FROBENIUS GROUPS OF SPECIAL TYPE

In this article, we first investigate the properties of modular Frobenius groups. Then, we consider the case that G＇ is a minimal normal subgroup of a modular Frobenius group G. We give the complete classification of G when G＇ as a modular Frobenius kernel has no more than four conjugacy classes in G.

Two Theorems about Nilpotent Subgroup

In the paper, we introduce some concepts and notations of Hall π-subgroup etc, and prove some properties about finite p-group, nilpotent group and Sylow p-subgroup. Finally, we have proved two interesting theorems about nilpotent subgroup.

改进CenterNet算法的煤矿皮带运输异物识别研究

为了实现运煤皮带运行时对进入其中的异物快速准确识别,防止皮带撕裂现象的发生,提出了一种改进的CenterNet运煤皮带异物检测算法。首先,对煤矿井下图像进行预处理,使其适应CenterNet算法,提高网络对目标图像检测的有效性;然后,对网络进行改进,将残差模块中的标准卷积替换成深度可分离卷积,有效降低网络计算量,减少冗余;接着,采用组规范化作为优化规范化方式,降低了对硬件设施的要求;最后,使用加权特征图融合方法,充分利用各层提取的特征,提高网络的检测准确率。实验结果表明,针对异物目标尺寸差异较大且分布不均匀的情况,改进后的CenterNet算法降低了目标的误检率和漏检率,可有效提升检测速度和异物识别精度。