基于改进CLDNN的辐射源信号识别

传统辐射源信号识别方法往往需要人工提取特征,不仅对专业知识要求较高,而且人为选择的特征不能够保证适用于大多数类型信号的识别,识别精度和识别速度也不能兼顾。针对上述问题,将语音处理领域常用的深度学习模型——卷积长短时深度神经网络(convolutional long short-term deep neural network, CLDNN)引入到辐射源信号的识别中,并将该模型中的长短时记忆层改为双向门控循环单元层。模型的输入为原始时间序列数据,特征提取和分类识别过程均在网络中进行,避免了人工选择特征的不完备性。实验结果表明,所提模型在低信噪比情况下也能够有效识别信号类型,同时与其他模型相比,实现了识别精度和识别速度之间的平衡。     

BIM技术在建筑结构设计中的应用

建筑信息模型被广泛应用于建筑领域之后,结构设计的方式以及理念等均出现改变。在结构设计方面,为了保证施工活动能够有序开展,应该有效管控相关因素,保证建筑结构更加合理、科学。本文结合S工程实例,提出建筑信息模型的应用策略,同时提出几点保障措施。     

一种三维DNA构象的交互式参数化模拟方法

提出一种适用于移动平台的交互式参数化DNA三维动态模拟方法.依据不同的DNA模式参数,利用基于自然特征的AR识别技术和曲线,直观形象地展示DNA的多种三维构象,动态模拟碱基互补配对、碱基对边堆叠边螺旋、 DNA复制的边解旋边半保留半不连续复制等微观过程.研发DNA三维动态模拟原型系统,实验结果表明,通过视、听、触、实物等多通道交互,有利于用户随时随地自主使用,增强用户对DNA知识的理解、掌握,引导用户进行更深层次的思考,提高知识的传递效率.     

基于核函数强化学习的抗干扰频点分配

针对学习未知动态的干扰图样问题，提出一种基于核函数强化学习的雷达与通信抗干扰频点协作算法。与需要获得干扰模式、参数等先验知识的研究相反，所提算法能够利用过去时隙中频点的使用情况来优化抗干扰频点分配策略。首先，通过核函数的强化学习来应对维度诅咒问题。其次，基于近似线性相关性的在线内核稀疏化方法，确保了抗干扰频点分配算法的稀疏性。最后，仿真结果验证了所提算法的有效性。得益于稀疏化码字对于系统动态特性的学习，所提算法与传统基于Q学习的抗干扰频点分配算法相比，收敛时间更短，并且可以快速规避外部未知干扰源的干扰。     

基于磁致链化效应的磁控粗糙表面及其疏水特性

基于自清洁、表面减阻等技术需求，近年来，超疏水表面及其制备技术广受关注基于铁磁颗粒在聚合物基体中的磁致链化，通过构建具有微米级随机山状突起特征的磁控粗糙表面(magnetic roughness surface, MRS)，其水滴接触角可达150°以上，呈现超疏水特性通过对MRS制备过程中固化磁场强度、铁磁颗粒粒径及含量等因素进行研究，建立了MRS规则锯齿结构模型，仿真分析了锯齿结构高宽比和间距比对表面疏水性的影响     

基于深度无监督学习的图像分类算法

为了取得精确的图像分类效果,一方面需要提取大量的图像特征数据进行样本分析,另一方面大量的数据又造成了维数灾难.因此,为了解决信息全面与维数灾难的矛盾,引入了深度学习.深度学习利用分层结构处理复杂的高维数据,可以完成复杂函数的逼近,是一类具有多层非线性映射的学习算法,但深度学习模型优化困难且对隐层参数敏感.针对上述问题,将无监督算法引入深度学习,这种学习方法无须人工设计特征提取数据,训练过程中样本标签是未知的.实验表明,该算法在不影响图像分类效果的前提下,可以大大降低计算复杂度,具有一定的时效性.     

新疆工业结构及污染优化升级的多维标度分析

新疆以化学工业为主导的工业结构是造成结构性污染的主要原因。因此,从促进经济与资源和环境协调发展的角度出发,考虑多维标度模型分析表明,新疆工业结构优化升级的目标是建立科技含量高、经济效益好、资源消耗低、环境污染少的新型工业结构,其主攻方向在于优先发展以电子信息产业为主导的高新技术产业、大力发展低耗能和低排放的工业行业并加速高新技术对化学工业的改造。     

超长隧道面临的挑战与思考

 随着交通强国战略规划的提出和全面实施，中国的隧道及地下工程建设也迈入一个全新的时代。根据中国目前的隧道建设水平，本文引入了超长隧道的概念，介绍了修建不同超长隧道需要面临的技术挑战，并展望了一些关键技术的发展趋势。