亚洲精品欧美精品日韩精品,欧美成人猛片AAAAAAA,欧美色图第一页

突發通信快速定時恢復設計與實現[通信與網絡][通信網絡]

采用反饋結構定時恢復的數字接收機環路鎖定時間存在不確定性，無法滿足突發通信快速同步的需求。為快速獲取定時誤差，同時兼顧實現的復雜度和資源，提出了一種2倍采樣下前饋結構的定時恢復方法。首先，根據同步段檢測的相關峰值，利用拋物線估計得到定時誤差；然后，通過四點分段拋物線插值將采樣數據進行重構，恢復出定時同步的數據；最后，采用現場可編程門陣列硬件平臺對該方法進行了實現及驗證。實驗結果表明，該方法計算量小、實現復雜度低，誤碼率在10-5時較理想采樣仿真性能只損失0.05 dB，實現性能損失在0.2 dB以內。

發表于：6/18/2025 5:11:05 PM

基于廣義Matern硬核點過程的兩層異構蜂窩網絡的性能分析[通信與網絡][通信網絡]

廣義Matern硬核點過程（Generalized Matern Hard-Core Point Process， GMHCPP）是在硬核點過程的基礎上通過引入競爭函數和刪減函數來限制保留概率的一種排斥點過程。針對兩層異構蜂窩網絡模型中宏基站與微基站的性能進行了深入研究，獲得了該模型的覆蓋概率和平均可達速率的近似表達式。首先，基于宏基站的性能差異及其排斥性生成保留概率函數，進而，將宏基站的部署以GMHCPP建模。然后，采用蒙特卡羅模擬方法對基站分布進行仿真，并繪制出了平均干擾信號比與路徑損耗因子的關系圖，根據該函數圖，擬合得到了用泊松點過程近似時GMHCPP的增益因子表達式。最后，將增益因子代入覆蓋概率和平均可達速率公式，對兩層異構蜂窩網絡模型的性能指標進行了仿真與分析。

發表于：6/18/2025 5:01:05 PM

面向多源異構數據的知識圖譜可視化融合方法[人工智能][其他]

為解決數據冗余沖突與關聯缺失問題，研究面向多源異構數據的知識圖譜可視化融合方法，提升數據融合的可靠性。利用網絡本體語言為多源異構數據建立對應的領域本體庫與全局本體庫，使得知識實體抽取和知識融合在同一框架下進行；通過長短期記憶網絡-條件隨機場模型，在本體庫約束下，從多源異構數據中抽取符合領域定義的知識實體；利用基于層次過濾思想的知識融合模型，可視化融合抽取的知識實體，解決多源異構數據中冗余信息和不一致性問題，形成準確、完整、可靠的多源異構數據可視化融合知識圖譜，有助于發現潛在的數據關聯，補全數據關聯缺失。實驗結果表明：隨著數據缺失比例的提升，尺度系數與屬性覆蓋度均開始下降，最低尺度系數與屬性覆蓋度是0.86與0.87，均顯著高于對應的閾值；所提方法在處理四個數據源時，視覺清晰度達93%~97%，信息融合度達92%~96%，均優于對比方法。說明該方法可有效抽取多源異構數據知識實體，建立知識圖譜，實現多源異構數據可視化融合；在不同數據缺失比例下，該方法多源異構數據可視化融合的尺度系數與屬性覆蓋度均較大，即數據可視化融合效果較優；同時有效提升了數據可視化效果和信息整合程度。

發表于：6/18/2025 4:50:05 PM

復雜景觀圖像的語義多狀態圖像風格遷移[人工智能][其他]

復雜景觀圖像包含具有不同特征的各種對象，傳統的風格遷移方法無法在同一圖像中對不同對象進行局部風格遷移。CycleGAN可以通過偽監督策略在沒有配對樣本的情況下實現風格遷移。但是CycleGAN無法實現對復雜風景圖像中不同類別對象的風格遷移；同時CycleGAN在復雜場景中的泛化能力不足且復雜度高。因此，提出了一種基于語義類別的復雜風景多狀態圖像生成方法，即語義類別風格遷移（Semantic Category Style Transfer，SCST），能夠有效地結合局部特征實現復雜風景的圖像生成。同時提出了上下文感知的風格遷移模型GCycleGAN。實驗結果表明本文提出的GCycleGAN的性能優于CycleGAN、DualGAN和Munit等基于深度學習的圖像生成模型。

發表于：6/18/2025 3:21:05 PM

基于特征選擇和優化CNN-BiLSTM-Attention對SF6斷路器漏氣故障診斷[人工智能][智能電網]

SF6（六氟化硫）斷路器是保障電網穩定運行的重要設備，但其在長期使用中容易發生漏氣問題，既影響設備性能，又威脅電網的安全性。為精準診斷SF6斷路器的漏氣故障，提出了一種基于Gini指數特征選擇和貝葉斯優化（Bayesian Optimization， BO）的CNN-BiLSTM-Attention組合模型。首先，針對影響SF6斷路器漏氣的內外部因素，進行特征映射與重要性分析，并采用KMeans-SMOTE技術解決數據分布不均的問題。其次，利用基于Gini指數的方法篩選關鍵特征，并通過貝葉斯優化精調CNN-BiLSTM-Attention模型的超參數以提升分類性能。實驗結果表明，設備缺陷、運行年限、運維水平、天氣和溫度是導致漏氣的主要因素。與其他模型相比，所提方法在漏氣故障的0/1分類任務中展現出更高的分類精度和魯棒性。研究不僅驗證了方法的有效性，還揭示了引發SF6斷路器漏氣的關鍵因素，為設備巡檢和運維管理提供了科學支持，進一步提升了電網運行的安全性與可靠性。

發表于：6/18/2025 3:11:05 PM

電力系統較大波動數據條目自適應檢索方法研究[模擬設計][智能電網]

針對電力系統數據具有復雜性、多樣性特點，導致檢索難度過高的問題，設計了電力系統較大波動數據條目自適應檢索方法。依據電力系統出力變化率，選取二分量一維混合高斯模型，構建電力系統波動概率分布模型。對比概率分布模型模擬的電力系統波動數據與量測數據，依據判定閾值辨識電力系統較大波動數據條目，構建數據條目檢索庫。利用哈希函數獲取檢索庫內較大波動數據條目的哈希特征，生成二值碼。較大波動數據條目檢索時，生成用戶檢索詞的二值編碼，計算檢索詞二值碼與檢索庫內條目二值碼的漢明距離，并對其加權處理，利用加權漢明距離排序數據條目，獲取較大波動數據條目的自適應檢索結果。實驗結果表明，該方法能夠依據用戶輸入的檢索詞，自適應檢索電力系統較大波動數據條目，檢索結果的歸一化折損累積增益均高于0.9，檢索時間低于500 ms。

發表于：6/18/2025 3:01:05 PM

基于機器閱讀理解的電力安全命名實體識別方法[模擬設計][智能電網]

為解決現有命名實體識別方法在電力安全規程等領域文本中識別效果不佳的問題，提出了一種基于機器閱讀理解的電力安全命名實體識別方法。首先，使用預訓練模型對待識別文本進行編碼處理得到文本向量表示。其次，利用層次化注意力機制捕捉嵌套實體間的層次關系，重新分配文本序列的注意力權重；在此基礎上，利用分類器預測文本中實體范圍，得到最終實體識別結果。將該方法在ACE 2005與OntoNotes 4.0公開數據集上進行驗證，對比主流方法其取得最優的識別效果，在電力安全領域實體識別場景下，該方法可達到89.3%的識別準確率，實現電力安全領域命名實體的精準識別。

發表于：6/18/2025 2:50:05 PM

數據驅動的商業負荷集群動態聚合研究[模擬設計][智能電網]

商業負荷集群的動態聚合對提高電網的調度靈活性、優化需求側管理以及促進可再生能源消納具有重要意義。基于典型相關分析（CCA）選取商業負荷特征，并結合DBSCAN 和 K-means等聚類算法對負荷進行分類，以構建適用于不同場景的負荷集群。進一步，提出了三種負荷聚合標準，即基于調節速度、負荷穩定性和經濟性的標準，并分析不同標準下的商業負荷聚合特性、適用性及其在電力調度中的潛在應用。

發表于：6/18/2025 2:39:04 PM

面向電氣設施火災早期檢測的多模態融合模型[模擬設計][安防電子]

高層建筑電氣火災難以預測，危害程度大。為此，提出了一種面向高層建筑電氣火災早期檢測的多模態數據融合模型，該模型融合了溫度、CO氣體濃度與煙霧三種不同模態傳感器的數據，利用了各模態間的互補優勢。首先使用gMLP捕捉三種模態數據的內在模式，完成特征提取。然后利用基于多頭注意力的融合方法，融合不同模態數據間的有效信息，完成特征融合，并識別出存在火情隱患的電氣設施。通過在無隱患與不同電氣設施存在火情隱患情況下的多模態數據集上進行實驗，證明了多模態數據融合模型的早期預測具有較高的準確率，表明了融合方法的優越性。

發表于：6/18/2025 2:27:03 PM

AirGAN：空調機理模型增強生成對抗模型[模擬設計][智能電網]

為引導資源龐大、調控靈活的空調負荷參與需求響應實現“源荷互動”，保障電網的安全經濟運行，各大研究單位開展了樓宇空調需求響應實時控制仿真與實踐研究。然而，如何準確地估算空調的負荷，并對空調負荷進行預測是目前面臨的重要挑戰。當前主流方法包括模型驅動型、數據驅動型兩種方法體系。其中模型驅動型依賴對空調負荷的建模，難以實現對空調負荷復雜變化的模擬。數據驅動則是依賴大量數據進行模型訓練，但難以覆蓋空調負荷的各類特點。為此，擬從模型驅動及數據驅動相結合的角度進行空調負荷的智能擬合，以提升空調負荷生成預測的準確性和適應性。提出了一種基于機制模型與生成對抗網絡（GAN）相結合的負荷生成方法和模型AirGAN。該方法通過GAN生成器生成的虛擬數據，持續調整物理模型的超參數，以使其更好地符合實際空調負荷特性。同時，采用GAN判別器對機制模型預測的負荷進行判別，以此訓練機制模型，從而提升其預測精度。

發表于：6/18/2025 2:14:03 PM