基于TensorFlow.js和JSDoop的神经网络训练

TensorFlow.js和JSDoop对web浏览器的分布式神经网络训练有着重要的影响。JSdoop将一个问题划分为任务,使用不同的队列来分配计算,然后在web浏览器中处理任务。TensorFlow.js发挥网页交互性强的特点,并充分利用GPU并行化计算能力,将多个输入批量处理,使用单个前馈网络调用,将输入馈送到网络。结果表明,当JSDoop运行时,用户可跟往常一样继续使用网络浏览器。使用TensorFlow.js和JSDoop的循环神经网络(RNN)来预测分布式浏览器中的文本是可行的,并具有很高的准确度和可扩展性。

基于TensorFlow.js前端机器学习进行线性回归拟合及油井压力预测研究

近年来,随着人工智能技术的发展应用,机器学习的框架及研究工具逐渐成熟。其中,TensorFlow.js是由Google的AI团队发布的一款基于硬件加速的JavaScript库,用于训练和部署机器学习,用户在浏览器端就可以利用应用程序编程接口(Application Programming Interface,API)完成机器学习的基本任务。在油气田开发领域中,产生的生产及分析数据具有数据量小、相关性强的特点,在机器学习过程中,大部分业务通过浏览器就能进行简单的数据线性回归、分类、目标识别、可视化等处理操作,具有简单、快速、易学等特点。文章以线性回归模型为例,对探井试油过程中的油管压力数据采用前端机器学习方法进行线性回归拟合,并实现压力预测。

基于TensorFlow.js的英文语音识别研究与实现

TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统,而本文将介绍其衍生的js版本即TensorFlow.js框架,并且基于这个框架和浏览器环境加载一个预训练模型来实现语音识别简单孤立的英文单词的功能。通过对预训练模型的使用与优化研究,为进一步使用TensorFlow.js实现更加复杂的商业化功能做了前期探索。

基于Tensorflow.js的DIY图像风格迁移系统开发

针对目前各类美图软件美化效果单一、风格雷同的问题,文章开发一套基于快速风格迁移的DIY图像风格迁移系统。系统通过COCOS游戏引擎和JS等工具完成网页的UI设计与数据的获取处理,利用深度学习技术,使用Google公司的Tensorflow.js开源框架搭建风格迁移网络,并完成模型迁移及对JS获取到的风格图像、内容图像数据的转换,实现将用户选定图片的风格迁移到指定的图片上。同时,系统支持用户指定再训练轮次并对模型重新离线训练,调整风格迁移效果。

基于YOLOv5s和Android部署的电气设备识别

针对变电站多种电气设备实时检测的需求,提出了一种基于改进YOLOv5s的电气设备识别方法,并设计基于Android部署的电气设备识别APP,以便对电气设备进行识别与学习。以电力变压器、绝缘子串等6种常见变电站电气设备为例构建图像数据集。数据集进行图像预处理后对YOLOv5s算法进行改进。通过引入C2f模块提高小目标检测精度,采用Soft-NMS提高检测框筛选能力,减少漏检和误检的情况,使用改进后的算法对数据集进行模型训练。将训练好的识别网络模型通过TensorFlow Lite框架进行模型部署,设计电气设备识别APP。经验证,改进后的变电站电气设备识别网络模型mAP稳定在91.6%,与原模型相比提高了3.3百分点。部署后的APP具有设备识别和设备介绍等界面,使用移动端进行识别时每张图片识别时间都小于1 s,具有较快的识别速度和较高的识别精度,可以高效地实现变电站电气设备的实时检测与设备学习。

基于d3.js的miRNA调控网络图绘制模块的设计

对d3.js类库绘图功能进行研究,设计并实现了miRNA调控网络图绘制模块。模块能够将存储在数据库中的miRNA及其调控的靶基因等相关数据读取出来并形成JSON文件,结合d3.js可视化库,绘制有向的网络图及权重网络图。通过网络图能够在有限空间内更加清晰地展示miRNA及其靶基因之间的关系。

高耐水聚合物水泥防水涂料及其应用性能研究

从JS防水涂料的耐水机理出发,针对性地设计了由聚合物中活性官能团(羧基)与交联剂形成的后交联结构,减弱了水分子对聚合物分子间的增塑作用及对聚合物分子与无机填料界面力的破坏作用,研制了一种具有优异耐水性能的JS防水涂料。该涂料在长期浸水后,仍保持较好的物理力学性能,吸水率<9%、拉伸强度>1.6 MPa,且浸水1年后表观无变化。

大数据环境下的分布式机器学习框架比较研究

在大数据环境下,处理庞大的数据集与实现复杂的机器学习算法愈发关键。为解决这一挑战,分布式机器学习框架应运而生。通过分布式计算资源的协同工作,可以提高机器学习模型的训练效率和性能。

基于SpringBoot和Vue.js的大学生团队管理系统的设计

为了更好地对学生团队成员和团队事务进行管理,为团队成员提供良好的交互平台,设计了基于SpringBoot和Vue.js的团队管理系统,实现了首页管理、公告管理、团队荣誉管理、日程安排管理等多个功能。通过该系统,学生团队成员可以了解团队事务及动态,进行沟通与交流。该系统具有高度的灵活性、稳定性、安全性和可扩充性。

基于PBL模式的Vue.js课程教学改革实践探究

高等教育中正在推行工程教育认证,要求培养学生运用知识解决实际工程问题的能力。Vue.js作为当前Web前端开发主流的框架,已经成为软件工程专业的专业课,是适应新工科背景下的教育改革的关键课程。针对Vue.js教学授课中存在的问题,构建并实施了基于项目导向学习(PBL)模式的教学方案,重新设计了教学内容、过程和考核方式,实现由知识传授向能力培养的转变。问卷调查和教学评价表明,改革后的教学模式更加契合工程教育认证的需求,提高了教学效果和学生的学习兴趣。

基于React的电商网站构建与实现

为了满足电商网站所需的各项功能和要求,基于React框架和Node.js进行了电商网站的前后端分离式开发,并设计了关键模块,如用户认证、商品展示、购物车管理及订单处理等。采用了React的组件化开发理念,有效提升了代码的可维护性和可重用性。通过系统测试和性能调优,网站性能和稳定性得到显著提升,包括页面加载时间缩短、数据库查询速度优化以及系统响应性能改善。

“膳食智多星”微信小程序设计

针对传统的健康饮食管理程序存在的用户体验差、缺乏个性化推荐等问题,创新融合AI与微信小程序,设计开发了一款"膳食智多星"微信小程序。该小程序集多种功能于一体,可实现自动卡路里计算、食物营养成分分析、个性化食谱推荐、智能问答等功能,能够为用户提供智能、便捷的饮食指导。该小程序主要使用WXML+WXSS+ColorUI实现前端视图层,使用node.js实现后端逻辑层功能及数据交换。

基于Vue.js与Spring Boot的教务管理系统设计

随着Web应用开发技术的不断发展,采用传统Web技术开发的教务管理系统越来越难满足实际需求,在此背景下,提出了一种同时基于Vue.js与Spring Boot的教务管理系统设计与实现方案。该系统采用Vue.js框架作为前端开发框架,实现了前台页面的交互和后台数据展示。同时,使用Spring Boot作为后端框架,提供了稳定的数据请求和数据存储功能。阐述了系统的架构设计、技术实现和功能需求设计等方面内容。该设计方案,使系统具有速度快、效率高、稳定性强等优点,带来良好的用户体验,同时能够满足教务管理的需要。采用该架构设计的系统同时也具有很好的可扩展性和可移植性,方便学校进行二次开发和部署。

基于MultiRes-Unet神经网络的三维断层识别研究

三维地震数据中的断层规模从米级到千米级不等,断距从米级到数十米级不等。断层通常表现为同相轴错断、突然增减、消失或扭曲等显著地震响应特征。断层在三维地震数据体中占的体积比例很小,使得利用常规断层识别方法得到的断层识别结果存在不连续、识别率低等问题。针对断层的多分辨率特征,充分考虑了断层点或线在整个地震数据的占比小等特点,提出了一种三维神经网络MultiRes-Unet3D断层识别方法,该方法在网络学习过程中使用加权交叉熵损失函数解决了普通交叉熵损失函数不同项之间的平衡问题,使得神经网络具有了较为可靠的断层识别能力。首先,利用正演模拟方法生成三维合成地震数据集和断层标签,然后基于Tensorflow搭建、训练与测试MultiRes-Unet3D神经网络,再将训练好的网络模型迁移到实际三维地震数据的断层识别中。该神经网络断层识别方法在实际地震数据中的应用表明,断层识别结果空间连续性好,识别结果客观,断层边界更为准确,网络模型泛化性能良好,适用于具有不同断层构造特征的实际地震数据,节约了断层解释的时间成本与人工成本。

基于深度学习的城市内涝区域车辆检测与分析

在城市内涝场景当中,较多人与车辆被困于积水中,给大众生活带来不利影响。随着计算机技术的快速发展,深度学习在解决实际问题中的运用也越来越广泛。文中提出了一种利用TensorFlow深度学习框架搭建MaskR-CNN(Regions with Convolutional Neural Networks Features)模型的方法,对城市内涝场景的积水区进行检测,检测效果良好,mAP(mean Average Precision)值达到89%。同时,基于YOLOv5(You Only Look Once version 5)模型,采用密集帧间差运算对处于积水区中的人车进行追踪,追踪精度达到90%左右,并使用YOLOv5外挂ResNet(Residual Network)实现了对内涝场景中的车辆进行淹没危险度分析。实验结果表明,文中所用模型的车辆危险度检测效果优于其他模型。

基于单片机中人工神经网的故障电弧识别研究

提出了一种基于单片机中人工神经网络的低压串联交流故障电弧识别方法,搭建了交流串联故障电弧实验平台,设计了基于STM32F407ZGT6单片机与AD7606芯片的信号采集板,建立了TensorFlow下的人工神经网络模型。通过采集正常工作和发生故障电弧的电流奇次谐波数据,对人工神经网络模型进行训练,将训练后的人工神经网络导入单片机STM32F407ZGT6中,用于对故障电弧进行识别。实验结果表明该方法可准确识别交流串联故障电弧。

硅丙乳液改性JS防水涂料的性能研究

以1∶9的质量比将3种不同型号的硅丙乳液(硅丙乳液1、硅丙乳液2、硅丙乳液3)分别与苯丙乳液复掺,然后与水泥等粉料按1∶1.5的质量比制成JS防水涂料并考察其性能。结果表明,与苯丙乳液制得的JS防水涂料相比,硅丙乳液1与苯丙乳液复掺制得的JS防水涂料拉伸强度和粘结强度最高,吸水率最低,但断裂伸长率会减小。优化复掺比例后发现,当硅丙乳液1的添加量为7.5%时,制得的JS防水涂料的拉伸强度、粘结强度、断裂伸长率和7 d吸水率分别为苯丙乳液制得的JS防水涂料的121%、125%、105%和84%,且符合GB/T 23445—2009标准的要求。

基于Three.js的虚拟模型3D交互展示研究及实现

WebGL的开源框架Three.js是轻量级的3D库,该技术的易用性降低三维空间技术的学习成本,并且极大程度上提高3D显示性能,故被广泛使用。经研究,可以应用Three.js技术实现虚拟数字模型的网页3D展示效果,以交互热点为索引将虚拟模型嵌入至Pano2VR制作的实景漫游系统,实现在网页实景VR里进行虚拟模型3D交互展示,多维度丰富虚拟模型的视觉展示效果。

基于Web3D的车间可视化系统设计与实现

针对当前三维可视化系统中存在的渲染速度慢、渲染效率低等问题,引入视锥体剔除渲染算法,基于Web3D技术设计了可视化车间系统。该系统采用B/S框架,利用Three.js技术实现场景的3D加载,实现了在浏览器上进行虚拟化仿真模拟。使用八叉树和轴对称包围盒的视锥体剔除渲染算法,提高了三维场景的渲染速度。并通过综合车间的实际验证,实现了车间设备的工作状态实时监控,生产数据展示更加立体、直观,有效提升了车间可视化系统运行效率和交互性能,满足了现代化车间的管理需求。

ECharts多端图表引擎在变形监测数据可视化中的应用

数据可视化已成为变形监测中数据分析的重要环节之一。ECharts具有丰富的可视化表达方式和高度个性化的定制功能,且兼容当前绝大多数浏览器及多种设备,目前广泛应用于各类信息系统。本文基于ECharts、Vue和Node.js技术,构建了多端图表可视化引擎,实现了多种变形监测数据在前端网页应用平台的图形展示和后端服务器的可视化流输出。测试结果表明,本文研发的可视化引擎能更加快速、形象、直观、有效地展示出监测体的变形情况,丰富了变形分析的研判手段,辅助管理人员开展决策,具有重要的实用价值和现实意义。