基于多尺度多层次多任务网络的长视频微表情分析

与宏表情不同,微表情具有持续时间短、动作幅度小、覆盖面积小的典型特点,长视频中微表情与宏表情交织在一起,使得微表情的检测和识别困难,并且严重依赖于专家经验。针对以上问题,开发了一种多任务模型用于长视频微表情分析,该模型采用级联的网络结构,分别完成检测子任务与识别子任务。针对微表情仅发生于面部局部区域且因个体差异特征分布不同导致关键帧定位不准或漏检,在检测子网络中采用Dual-CBAM-Inception模块,增强模型空间感受野,对全局与局部区域提取多尺度光流特征增强模型的鲁棒性;针对长视频中表情类别分布不均衡且微表情发生时面部动作细微导致长视频微表情分类识别准确率低,提出模型在识别子网络中采用深度可分离DenseNet模块,在控制模型的运算量和计算成本的前提下,通过多层次提取光流信息的浅层与深层语义特征提高模型的表情识别准确性。所提出的方法在CAS(ME)2长视频以及CASMEⅡ、SMIC短视频数据集上进行实验,结果表明,所提方法能够对长视频进行微表情检测并识别表情类别,性能优于当前诸多方法。

基于深度强化学习的办公流程任务分配优化

在办公平台中存在异构流程任务大量并行的情况,不仅需要任务执行者具有较强的能力,也对协同调度系统的性能提出了要求。采用强化学习(RL)算法,结合协作配合度、松弛度等定量分析,并基于马尔可夫博弈理论提出多智能体博弈模型,实现以总体流程配合度和最大完工时间为优化目标的优化调度系统,提高了总体执行效率。以真实的业务系统流程作为实验场景,在相同的优化目标下,对比D3QN等3种深度强化学习(DRL)算法和基于蚁群的元启发式算法,验证了所提方法的有效性。

基于多任务图神经网络的非定常流体预测

在高维非线性流体模拟中,传统计算流体力学(computational fluid dynamics,CFD)求解器存在计算成本与难度较高的局限性。为提高计算效率,提出一种结合多任务学习与图神经网络的流体模拟方法,旨在高效、快速预测非定常流体动力过程。首先采用非结构化网格对流体计算域的空间分布建模,结合图神经网络提取其多维度空间特征,并通过消息传递机制的聚合更新特性来模拟流体的时空变化规律。考虑流体中不同物理场参数之间存在相关性,采用多任务学习策略对多个物理场参数并行学习和预测,以提高模型的准确性与泛化性。构建数据集并开展验证,对比了不同图神经网络的预测精度,结果表明,相较于图卷积神经网络,本文提出的模型表现出更好的预测性能。预测100步时,均方误差降低了7.2%,预测200步时相对下降29.9%。本文方法在计算效率上也有显著提升,与常规CFD求解器相比,预测速度提升了一到两个数量级,为实时预测提供支撑。

基于多尺度和双源运动感知的车辆检测方法

【目的】车辆检测是城市智能交通研究的重要部分,以交通监控图像作为输入,以运动车辆的检测作为目标,围绕其中的小目标问题、高密集问题以及运动属性问题开展研究。【方法】在无锚框CenteNet的基础上提出一种基于多尺度双源运动感知的检测方法。首先,引入坐标注意力,并融合网络抽象层的多尺度和全局上下文特征,多层次多阶段地补充信息,提高模型对车辆和场景的理解力;其次,借助代表车辆实际运动特征的模糊纹理和代表车辆通用运动特征的光流知识,构建模型对运动车辆的感知能力。【结果】实验数据来源于公共数据集UA-DETRAC,以均值平均精度(mAP)和帧率(FPS)作为精确度和速度评价指标,将文章方法与已有主流方法进行比较,结果表明文章方法的mAP和FPS分别为72.46%和30 frame/s,在对比方法中具有最佳的速度与准确率均衡性。【结论】文章方法能够胜任运动车辆的检测任务。

基于深度流场特征和语义约束的改进SegFormer语义分割算法

对于SegFormer网络中存在的多尺度信息无法有效利用,以及预测结果边界轮廓不清晰的问题,提出一种基于深度流场特征和语义约束的改进语义分割网络架构。首先,在解码器部分加入深度流场模块用于加强深度特征的一致性;然后为保持原有网络的轻量化,加入边界和前后景辅助任务构成语义约束模块,提高网络对边界和整体轮廓的提取能力;最后,在语义约束模块中加入边界引导模块,加快辅助任务收敛速度。通过增加了0.1 M的参数量,提高了网络的分割精度。

基于物料流仿真的门式起重机任务序列验证和优化

根据门式起重机的系统特性,在物料流仿真软件平台上进行门式起重机系统建模。输入一定周期的运行计划进行门式起重机任务序列验证,测算门式起重机的运行时间和行走距离进行干涉检查,并观察任务对象位置改变的影响。设计任务编码,适配遗传算法,实现门式起重机任务序列优化。所进行的研究可为提高门式起重机运行计划的可执行性提供一种简易方法。

基于终端流量预测的低地球轨道卫星互联网资源分配策略

针对地面网络存在覆盖盲区和卫星网络通信资源利用率低等问题,提出了基于终端流量预测的低地球轨道(LEO)卫星互联网资源分配策略。该策略利用真实数据集提出改进LSTM-ARIMA算法,准确预测地面区域未来一定时间内产生的数据流量,通过Stackelberg博弈构建差分化数据传输和任务卸载2种通信模型。综合考虑数据处理时延和能耗,通过求解纳什均衡,得到用户通过LEO卫星互联网传输数据或卸载任务的最优比率,以及卫星提供网络服务的最优定价。仿真结果表明,所提策略在数据传输服务中收益能提高约40%,在任务卸载服务中收益能提高约50%。

面向并发数据流处理的存储接入方法

海量的并发数据流存储请求,会造成数据库瞬时压力过大和存储时延提高等问题,对此提出一种面向并发数据流处理的存储接入方法。首先构建Redis缓冲区队列,以接收上游数据处理节点的周期数据,使用自定义数据流协议解决数据流规范化通信;然后设计主动存储中间件,通过线程读写任务分配算法(TRWTA),优先处理高负载区队列的读写任务,利用动态线程池计算读写压力(RWP)来优化管理线程数量,达到提高并发数据流存储效率的目的。此外,在存储层中使用了Mysql和HBase对数据流进行分类存储,对HBase进行Rowkey设计和预分区。经过实验分析,所提存储接入方法在持续的并发数据流下,较传统存储方法有效降低了存储时延,保证了数据库稳定性。

龙羊峡和刘家峡梯级水库生态流量核定与保障

针对建设时间早、没有设置生态流量的梯级水库,提出生态流量核定方法:根据有关规范对生态流量的要求、水库主要影响河段已批复的流量控制指标和水库已有调度任务下泄需求得到生态流量初值,通过梯级水库调度模拟模型和历史长系列实测出库径流过程分析水库对生态流量的保障能力,提出生态流量推荐值。以黄河上游龙羊峡水库和刘家峡水库为研究对象核定生态流量,结果显示:龙羊峡水库生态流量5—6月为400 m^(3)/s、其他时段为200 m^(3)/s,刘家峡水库生态流量为285 m^(3)/s,长期保证率均不低于90%。龙羊峡水库和刘家峡水库对生态流量均有较好的保障能力,但是极端枯水条件下龙羊峡水库敏感期生态流量保障仍面临风险。

泥石流实验教学任务驱动模式的探究

从室内理论教学、野外实验教学、教学后拓展反思3个环节出发,构建了基于任务驱动的泥石流实验教学模式。以解决传统泥石流教学中缺乏系统性学习,学生学习兴趣不强的问题。将该模式注入到实验教学中,在教师的指导下,学生能够独立地完成自己的学习任务,充分发挥主动性,提高分析和解决问题的能力。结果表明,任务驱动下的泥石流实验教学模式在实验教学中成功实践,并取得了不错的效果。

有/无人协同近距空中支援作战研究

近距空中支援(close air support,CAS)是空中作战力量支援地/海面部队的重要作战样式。基于美军使用机载前进空中控制员(forward air controller(airborne),FAC(A))执行CAS的作战分析,总结出无人机引导有人机执行近距空中支援的军事需求,并就有/无人协同近距空中支援的典型作战场景、任务流程、体系节点分工展开分析,重点剖析末端协同实施阶段涉及的核心技术,基于主要体系节点通联方式和能力需求分析,给出了有/无人协同近距空中支援的工程化实施思路,为有/无人协同近距空中支援体系能力建设提供技术支撑。

采用多任务学习和电容层析成像的两相流参数测量方法

针对电容层析成像技术(ECT)重建的图像精度低、对流动参数测量误差较大的问题,提出了一种采用多任务学习和电容层析成像的两相流参数测量方法。首先,采用残差模块作为特征提取模块对Landweber算法重构的图像进行特征提取,以此消除重建图像的伪影对流动参数测量所带来的干扰;其次,为了进一步提升模型的抗噪声干扰能力,采用硬参数共享的双路输出神经网络结构进行初次相含率测量;之后,采用融合神经网络与极端随机森林等分类模型的方法来实现流型识别;最后,为了进一步提升相含率测量的准确度,采用极端随机森林等回归模型通过融合流型识别和初次相含率测量的结果,获得最终的相含率。实验结果表明:该方法相对于仅采用神经网络的方法,可以提升相含率测量的准确度;在实测数据测试中,该方法进行相含率测量的相对误差在5%以内,流型识别的准确度可以达到98%以上,表现出了较好的抗噪声干扰能力,能够满足对实际工业应用的需求。

基于流优先级的车载以太网调度策略实现

在车载通信系统中,控制类任务对实时性要求严苛,信息娱乐类任务则对带宽要求较高。若这两类任务产生的数据同时在以太网上传输,则网络会产生拥塞,导致控制数据传输延迟不确定。依据任务的时间敏感程度,中央网关将相应IP地址和网络端口的数据流调度到特定队列;终端协议栈针对不同类任务,采用基于优先级的发送策略。在搭建的模拟车载网络中进行实验,结果证实了该方案的有效性。该方案的实施在一定程度上改善了时间敏感数据流的实时性,从而证实了TSN标准的有效性和必要性。

面向服务等级的网络流多任务分类方法

在网络流分类实践中,网络运营商通常只需要知道网络流所需的服务类别(class of service,CoS),就可对网络流优先级和资源分配做出决定。为了满足用户对体验质量的需求,提出了面向服务等级的网络流多任务分类方法。该方法是直接进行面向CoS的流分类,而不需要推断应用类型。同时提出多任务框架,利用领域知识定义宏特征组及应用合作博弈中的Shapley Value模型来合理分析特征,并用决策树分箱来解决CoS阈值划分问题。采用真实网络数据集进行实验,通过在少量标记数据的情况下,优化网络参数和调整各网络模型时间损耗和分类准确性的稳定相关系数。结果表明,该方法分类准确度(提高了12.66%)和时间消耗(减少了39.23%)性能优于现有文献方法,同时分析了多分类实验结果并给出有关建议。

基于图多任务学习的潮流分析模型

基于深度学习的潮流计算模型可以直接拟合系统潮流初值到潮流结果之间的映射关系,在计算速度极快的同时不会产生病态潮流问题。然而现有深度学习潮流计算方法多基于回归模型,不具有潮流判敛功能,导致对输入的潮流不收敛样本仍映射出虚假系统潮流分布。针对此问题,提出一种基于图多任务学习的潮流分析方法,结合电力系统物理特性对输入案例进行潮流分析。最后,将所提模型在基于IEEE 14节点系统扩展的数据集上进行全面的仿真,生成了10000份包含不同网络拓扑的系统样本,通过仿真实验验证所提模型的计算耗时约为牛拉法的四分之一,在潮流判敛方面准确率达到98.81%,在潮流分布计算方面计算准确率达到98.58%,并通过对比实验消融实验验证所提模型在图卷积与图池化方面改进的有效性。

基于实时多任务流系统的高空自动化接线机器人研究

文中针对电网高空作业的检修需求进行高空全自动化接线机器人设计,从高空自动化接线机器人机械臂功能设计和接线功能实现方面进行了介绍。高空自动化接线机器人机械臂的结构设计分为机械臂和绝缘设计。采用嵌入“准时”(Just in Time,JIT)调度思想的基于优先级的立即抢先算法实时处理接线多任务,新增绝缘防护失效控制模块,目的是提高处理效率和人机交互的智能化。该系统包括机械臂控制系统、电动机驱动电路系统、移动平台系统等多个模块。通过现场实施测试,证实该系统可以根据任务程序有序、高效地执行实时维护。与传统人工接线相比,高空自动化接线装置具有效率高,安全性好等优越性。

“事事明”软件在矿山安全培训管理中的应用

矿山安全培训在管理中是不可缺少的重要环节,是提升从业人员的安全风险辨识能力、提高员工安全生产意识和强化安全生产技能的重要保障。传统的矿山安全培训,无系统的培训体系建设,无法确保培训计划、培训内容与被培训人员的关联性,致使培训计划落空,培训过程基本流于形式,员工培训档案未形成信息化管理和培训数据统计分析难等,是矿山安全培训管理的一个困扰,而希尔威矿业有限公司采用“事事明”软件实现了课件开发管理、申报培训计划、发布培训任务、培训记录、培训评估、数据统计分析及一人一档的建立。

高速公路ETC仿真平台研究与设计

由于高速公路ETC系统的实时流量状况在实际研究分析过程中难以量化计算和展示,且尚无一套针对高速公路ETC环境的仿真系统来解决高速公路ETC系统运行场景优化。根据ETC数据特性设计了一套基于ETC环境的仿真系统。在仿真系统中涉及3个核心算法:ETC数据特征提取算法,为仿真平台提供生成仿真数据的特征;改进多任务调度算法,以满足仿真环境中多任务的运算能力;高速公路车流控制策略算法,为在途车流量控制提供了决策指标。实验结果表明:该系统能有效获取ETC数据特征,改进多任务调度算法相较其他算法性能更优,可实现仿真路网的整体车流量控制与优化。

网格化分布式新安江模型并行计算算法

近年来,网格化分布式新安江模型(GXM)在洪水预报中发挥了重大作用,但在进行洪水过程模拟时,模型数据量与计算量巨大,GXM的计算时间随着模型预热期的增加呈指数增长,严重影响GXM的计算效率。因此,提出一种基于网格流向划分与动态优先级有向无环图(DAG)调度的GXM并行算法。首先,对模型参数、模型构件、模型计算过程进行分析;其次,从空间并行性的角度提出了基于网格流向划分的GXM并行算法以提高模型的计算效率;最后,提出一种基于动态优先级的DAG任务调度算法,通过构建网格计算节点的DAG并动态更新计算节点的优先级以实现GXM计算过程中的任务调度,减少模型计算中数据倾斜现象的产生。在陕西省大理河流域与安徽省屯溪流域对提出的算法进行实验,在预热期为30 d、数据分辨率为1 km的情况下,相较于传统的串行算法,所提算法的最大加速比分别达到了4.03和4.11,有效提升了GXM的计算速度与资源利用率。

一种航天侦察任务-资源匹配的负载均衡方法

当前航天侦察任务预处理方法一般仅从任务需求的角度考虑资源分配问题,容易导致负载不均衡,对此提出了一种综合考虑任务需求与资源负载的任务-资源匹配方法。分析了资源负载均衡需要考虑的任务要素以及相应的描述方法,提出用任务执行概率度量卫星资源负载状况,基于任务流模型给出了单任务执行概率的估算公式,并给出了一种简易的多任务执行概率求解算法。综合考虑任务的任务量、优先级、执行效果与执行概率,提出了航天侦察任务-资源匹配的负载均衡模型,并给出了一种启发式求解算法,模拟实验表明负载均衡方法可以有效提高卫星资源利用率以及侦察效益。