委托-代理关系下的图书馆学生民管会作用探讨

分析了图书馆委托-代理关系,指出确立大学生在图书馆委托人地位是建立行之有效的图书馆激励机制的基础,并探讨了如何发挥大学生委托人在图书馆管理中的作用。     

抑制超低频振荡的水电多级频率控制参数优化

为有效抑制高水电占比西北电网的超低频振荡,针对缺乏同时研究调速系统和现场控制单元控制参数优化的现状,提出了一种抑制超低频振荡的水电多级频率控制参数优化方法。在建立系统多级频率控制模型的基础上,理论分析了抑制超低频振荡的控制参数安全域,在该安全域内以综合偏差绝对值与时间积分的乘积最小为目标,借助Matlab/Simulink平台通过粒子群算法优化了多级控制参数。基于PSCAD/EMTDC平台的时域仿真验证了抑制超低频振荡的水电多级频率控制参数理论分析和优化方法的有效性。     

A井区梧桐沟组稠油油藏水平井体积压裂开发论证

A井区梧桐沟组稠油油藏具有埋藏深、中孔、低渗等特点,地层原油具有高黏度、高密度、中等含蜡量等特点,属于难动用储量。由于原油流度低,渗流困难,导致单井自然产能低,衰竭式或注水开发适应性差;由于油藏埋藏深度大,导致热采措施中井筒热损严重,经济效益差。为了改善本区开发效果,在中国类似稠油油藏压裂经验的基础上,结合该区前期直井压裂效果分析,论证了采用水平井体积压裂开发本区的必要性及可行性,采用了有限元压裂数值模拟技术优化了压裂规模、裂缝导流能力等参数,选取典型井组预测水平井体积压裂实际开发效果,单井衰竭开采15 a,累产油达23 031 t。     

结合迭代阈值法的多任务贝叶斯压缩感知结构振动信号重构

为缓解结构健康实时监测中因为海量数据导致的数据采集、存储和传输成本高的问题，采用压缩感知理论结合迭代阈值法对数据进行压缩采样；然后用多任务贝叶斯压缩感知重构算法，通过少量采样数据恢复原始信号.利用吉安大桥的现场环境振动试验数据，验证结合迭代阈值法的多任务贝叶斯压缩感知重构算法的有效性及可行性.研究结果表明，相比于传统的正交匹配追踪算法、单任务贝叶斯压缩感知算法和多任务贝叶斯压缩感知算法，利用结合迭代阈值法的多任务贝叶斯压缩感知重构算法计算得到的重构信号与原始信号吻合度更好，性能更优.     

基于稠密连接注意力单任务提升的深度多任务学习

多任务学习通过任务间的知识共享提升多个关联任务的泛化性能。多任务学习领域的大多数方法通过设置先验性的知识共享结构来定义任务间的关系，这些知识共享结构可能使任务不能充分利用多任务学习带来的好处，甚至导致明显的知识负迁移，使得任务性能提升不大。为了解决上述问题，提出了一种基于稠密连接注意力单任务提升的深度多任务学习方法。该方法中每个任务使用特异的自注意力单元学习任务间的知识共享结构，通过稠密连接将知识共享信息与自身动态结合，使用单任务提升训练方法贪心地优化每个任务，极大程度地避免知识负迁移所带来的问题。在多个数据集上的实验证明了该方法的有效性，其性能已优于目前许多先进的多任务学习方法。     

基于近邻样本联合学习模型的疟疾识别算法

疟疾早期诊断可以有效防止疾病暴发.深度学习在细胞形态和组织图像检测等任务中具有出色能力.已有许多基于深度学习的疟疾研究,但它们主要用于环状体和红细胞二分类.本文首次研究疟疾多阶段识别,并提出近邻样本联合学习(neighbor sample joint learning,NSJL)模型.NSJL包括卷积神经网络(convolutional neural network,CNN)特征学习、领域相关性挖掘和图特征嵌入.它提取CNN特征,并将其与K近邻(K-nearset neighbor,K-NN)建立的邻域图传入图卷积网络(graph convolutional network,GCN).为评估NSJL,将其与先进方法比较,结果表明NSJL模型可达92.50%准确率,92.84%精确度,92.50%召回率和92.52%F1分数,至少高于其他方法7%的准确率表明其优秀疟疾识别能力.