欧美日韩精品在线,免费看欧美一级特黄a大片,国产精品麻豆欧美日韩ww

基于自組織模糊神經(jīng)網(wǎng)絡(luò)的大功率LED調(diào)光模型[其他][其他]

大功率LED光度輸出不僅與操作電流大小有關(guān)，且受傳熱過程的時(shí)滯時(shí)變不確定因素影響難以預(yù)測(cè)。針對(duì)傳統(tǒng)機(jī)理建模存在參數(shù)提取困難、模型適應(yīng)性弱等缺點(diǎn)，提出基于模糊神經(jīng)網(wǎng)絡(luò)建模算法，從而構(gòu)建以操作電流、熱沉溫度、環(huán)境溫度為輸入，光通量為輸出的調(diào)光模型。模型結(jié)構(gòu)和參數(shù)依據(jù)在線數(shù)據(jù)進(jìn)行調(diào)整，通過遞推學(xué)習(xí)，模糊規(guī)則得到增量式完善，進(jìn)而不斷逼近實(shí)際動(dòng)態(tài)過程。結(jié)果表明，利用該方法構(gòu)建的調(diào)光模型與參考模型理論值相對(duì)誤差小于3%，與其他模型相比，結(jié)構(gòu)更加緊湊，預(yù)測(cè)精度更高。

發(fā)表于：12/1/2021 4:11:00 PM

基于核函數(shù)及參數(shù)優(yōu)化的KPLS質(zhì)量預(yù)測(cè)研究[其他][其他]

核偏最小二乘(KPLS)在工業(yè)過程監(jiān)測(cè)和質(zhì)量預(yù)測(cè)中得到了廣泛的應(yīng)用，核函數(shù)和核參數(shù)的選取對(duì)KPLS質(zhì)量預(yù)測(cè)結(jié)果有重要影響。然而，如何選擇核函數(shù)類型和核參數(shù)一直是該方法應(yīng)用的瓶頸。針對(duì)以上問題，提出一種改進(jìn)遺傳算法的核函數(shù)優(yōu)化方法。該方法將核的種類及核參數(shù)作為優(yōu)化的決策變量，以均方根誤差為目標(biāo)，分別從編碼方案、遺傳策略、適應(yīng)度函數(shù)優(yōu)化、交叉和變異算法等方面進(jìn)行設(shè)計(jì)，以保證核函數(shù)種類的多樣性，利用2折交叉驗(yàn)證法對(duì)訓(xùn)練結(jié)果進(jìn)行驗(yàn)證。以田納西-伊斯曼過程(TE)與MATLAB結(jié)合進(jìn)行仿真實(shí)驗(yàn)，仿真結(jié)果表明，該方法能尋找到最優(yōu)核函數(shù)以及其核參數(shù)，具有很好的穩(wěn)定性和一致性。

發(fā)表于：12/1/2021 4:06:00 PM

可信技術(shù)在國(guó)產(chǎn)化嵌入式平臺(tái)的應(yīng)用研究[其他][其他]

國(guó)產(chǎn)化嵌入式平臺(tái)的安全威脅依舊嚴(yán)峻，為了提高國(guó)產(chǎn)化平臺(tái)的安全性與可控性，可信技術(shù)的應(yīng)用十分關(guān)鍵。在基于龍芯2K-1000CPU的國(guó)產(chǎn)化嵌入式平臺(tái)上,采用可信平臺(tái)控制模塊(Trusted Platform Control Module，TPCM)，應(yīng)用可信啟動(dòng)、可信軟件基、可信文件存儲(chǔ)和I/O口的可信訪問等技術(shù)，實(shí)現(xiàn)了國(guó)產(chǎn)化嵌入式平臺(tái)的可信運(yùn)行。TPCM可信模塊基于CCP903T密碼芯片實(shí)現(xiàn)。此平臺(tái)已在某安全項(xiàng)目中通過測(cè)試投入使用，對(duì)可信技術(shù)在國(guó)產(chǎn)化平臺(tái)的應(yīng)用以及標(biāo)準(zhǔn)化形成留下參考性意義。

發(fā)表于：12/1/2021 4:02:00 PM

基于視頻內(nèi)容特征值的VVC碼率控制算法[其他][其他]

針對(duì)VVC碼率控制算法沒有綜合考慮編碼幀實(shí)際紋理特征，其編碼率失真性能和視覺體驗(yàn)還有待提高的問題，提出了一種基于視頻內(nèi)容相關(guān)特征值的碼率控制算法。通過引入灰度共生矩陣，計(jì)算出反映編碼幀紋理復(fù)雜度的相關(guān)特征值，用于幀層圖像權(quán)重的調(diào)整；基于R-λ模型，對(duì)LCU層的λ參數(shù)進(jìn)行重新計(jì)算，提高LCU層比特分配的精度。經(jīng)測(cè)試，該算法在低時(shí)延配置下，與自適應(yīng)比特分配算法相比，在更接近目標(biāo)碼率情況下，率失真性能提升了0.86%，視頻編碼主觀質(zhì)量得到較明顯改善。

發(fā)表于：12/1/2021 3:57:00 PM

基于形態(tài)學(xué)濾波和時(shí)頻譜圖對(duì)消的多跳頻信號(hào)參數(shù)估計(jì)[微波|射頻][其他]

針對(duì)復(fù)雜電磁環(huán)境下多跳頻信號(hào)的參數(shù)估計(jì)問題，提出一種基于多尺度形態(tài)學(xué)濾波和時(shí)頻譜圖對(duì)消的信號(hào)參數(shù)盲估計(jì)算法。首先根據(jù)跳頻信號(hào)、干擾和噪聲的時(shí)頻特征差異性，采用多尺度形態(tài)學(xué)濾波消除噪聲、突發(fā)和掃頻信號(hào)，并利用譜圖對(duì)消法剔除定頻信號(hào)；然后通過八連通域標(biāo)記獲取跳頻信號(hào)的位置信息，利用改進(jìn)的K-means聚類算法實(shí)現(xiàn)異速跳頻信號(hào)的分離；最后由各類簇參數(shù)估計(jì)多跳頻信號(hào)的周期、跳變時(shí)刻和跳頻頻率。仿真結(jié)果表明，與利用形態(tài)學(xué)濾波并提取時(shí)頻脊線的方法相比，該算法在低信噪比下具有更高的估計(jì)精度，且在定頻、跳頻信號(hào)發(fā)生頻率碰撞時(shí)，仍能準(zhǔn)確估計(jì)跳頻參數(shù)。

發(fā)表于：12/1/2021 3:53:00 PM

基于STM32的非接觸物體尺寸形態(tài)測(cè)量系統(tǒng)[其他][其他]

目前工件尺寸檢測(cè)主要依靠機(jī)械式測(cè)量或人工測(cè)量，存在檢測(cè)困難、效率低等問題。針對(duì)該狀況，設(shè)計(jì)了一套非接觸物體尺寸形態(tài)測(cè)量系統(tǒng)。該系統(tǒng)采用 STM32單片機(jī)作為核心處理器；采用OpenMV 和激光測(cè)距傳感器作為非接觸檢測(cè)單元，以實(shí)現(xiàn)測(cè)量目標(biāo)物體顏色、形狀、尺寸及距離等信息的功能。同時(shí)，該系統(tǒng)中激光管的方向由舵機(jī)控制，以達(dá)到快速跟蹤目標(biāo)物體中心的目的。實(shí)驗(yàn)結(jié)果表明，該裝置能夠準(zhǔn)確測(cè)量目標(biāo)物體的顏色、形狀，且可以得到高精度的物體尺寸及距離并快速跟蹤目標(biāo)物體的中心位置。

發(fā)表于：12/1/2021 3:48:00 PM

基于新型PID算法的整流罩空調(diào)控制系統(tǒng)研究[其他][其他]

針對(duì)整流罩空調(diào)機(jī)組工況復(fù)雜，溫濕度控制的非線性、滯后性、時(shí)變性、強(qiáng)耦合等特點(diǎn)，闡述了整流罩空調(diào)控制系統(tǒng)結(jié)構(gòu)及機(jī)組工作時(shí)空氣處理過程。在控制算法上，通過分析溫濕度控制的干擾因素，研究了傳統(tǒng)PID、專家PID、模糊自適應(yīng)PID控制原理，提出了一種新型PID算法。將新型PID算法應(yīng)用于基于國(guó)產(chǎn)PLC的整流罩空調(diào)機(jī)組，運(yùn)行結(jié)果表明，機(jī)組能夠以高效率、高精度、可調(diào)參實(shí)時(shí)在線控制，滿足任務(wù)保障要求。

發(fā)表于：12/1/2021 3:42:00 PM

客戶側(cè)竊電態(tài)勢(shì)感知及智能預(yù)警關(guān)鍵技術(shù)的研究[其他][其他]

客戶側(cè)竊電行為不僅造成電能資源大量流失，同時(shí)造成線路負(fù)荷過載引發(fā)火災(zāi)等重大安全事故。針對(duì)當(dāng)前客戶側(cè)竊電行為的多樣性與隱蔽性特征，以約束客戶側(cè)竊電行為為目的，設(shè)計(jì)了客戶側(cè)竊電態(tài)勢(shì)感知及智能預(yù)警關(guān)鍵技術(shù)。考慮客戶側(cè)竊電行為的多樣性與隱蔽性特性，選取額定電壓偏離度、電壓不平衡率與電流不平衡率等6個(gè)客戶側(cè)竊電態(tài)勢(shì)感知指標(biāo)，利用RBF神經(jīng)網(wǎng)絡(luò)構(gòu)建客戶側(cè)竊電態(tài)勢(shì)感知模型，將所選取的6個(gè)指標(biāo)與相關(guān)數(shù)據(jù)作為模型輸入，通過動(dòng)態(tài)K均值聚類算法優(yōu)化模型，模型輸出結(jié)果即為客戶側(cè)竊電態(tài)勢(shì)感知結(jié)果?；诟兄Y(jié)果，通過聲光報(bào)警裝置與智能設(shè)備實(shí)現(xiàn)智能預(yù)警，實(shí)驗(yàn)結(jié)果顯示，該技術(shù)能夠有效抑制客戶側(cè)竊電行為。

發(fā)表于：12/1/2021 3:37:00 PM

改進(jìn)型DSSD算法在道路損傷檢測(cè)中的應(yīng)用研究[其他][其他]

在自動(dòng)檢測(cè)中，由于道路損傷數(shù)據(jù)集存在小目標(biāo)損傷難檢測(cè)與類別不平衡問題，導(dǎo)致道路損傷檢測(cè)的準(zhǔn)確率低、虛假率高。為此，在DSSD(Deconvolutional Single Shot Detector)網(wǎng)絡(luò)模型的基礎(chǔ)上，提出一種結(jié)合注意力機(jī)制和Focal loss的道路損傷檢測(cè)算法。首先，采用識(shí)別精度更高的ResNet-101作為DSSD模型的基礎(chǔ)網(wǎng)絡(luò)；其次，在ResNet-101主干網(wǎng)絡(luò)中添加注意力機(jī)制，采用通道域注意力和空間域注意力結(jié)合的方式，實(shí)現(xiàn)特征在通道維度上的加權(quán)與空間維度上的聚焦，提升對(duì)小目標(biāo)道路損傷的檢測(cè)效果；最后，為了減少簡(jiǎn)單樣本的權(quán)重，增大難分類樣本的權(quán)重，使用Focal loss來提高整體的檢測(cè)效果。在Global Road Damage Detection Challenge比賽所提供的數(shù)據(jù)集上進(jìn)行驗(yàn)證，實(shí)驗(yàn)結(jié)果表明，該模型的平均精度均值為83.95%，比基于SSD和YOLO網(wǎng)絡(luò)的道路損傷檢測(cè)方法的準(zhǔn)確率更高。

發(fā)表于：12/1/2021 3:32:00 PM

基于自然語言理解的軟件產(chǎn)業(yè)政策關(guān)聯(lián)性分析技術(shù)[其他][其他]

針對(duì)公共政策的語義分析對(duì)比是行政管理重要的研究方向，隨著深度學(xué)習(xí)、知識(shí)圖譜應(yīng)用越來越廣泛，任何在這一領(lǐng)域改進(jìn)技術(shù)方法的嘗試都可能帶來較大的進(jìn)步。將自然語言理解相關(guān)技術(shù)應(yīng)用于產(chǎn)業(yè)政策研究有利于政策的制定與管理。針對(duì)軟件產(chǎn)業(yè)政策提出一套基于自然語言理解的技術(shù)分析方法，旨在構(gòu)建政策之間的關(guān)聯(lián)關(guān)系網(wǎng)絡(luò)，以期輔助政府決策。

發(fā)表于：12/1/2021 3:27:00 PM