相对于模N的完全不变子模F的N-投射模

引入了相对于模N的完全不变子模F的N-投射模和相对于理想I的R-投射模的概念.研究了它们的基本性质, 统一了N-投射模,τ-N-投射模和Rad-N-投射模的一系列结论.     

湖南加里东期花岗岩成因及铀成矿关系

华南出露大量加里东期花岗岩,其岩石成因、构造背景长期存在争议。湖南省加里东期花岗岩年代学和地球化学数据显示,其主要形成于416~432 Ma之间,岩性主要为花岗岩和花岗闪长岩。岩石类型除少数为I型花岗岩外,大部分为S型花岗岩。地球化学特征为富硅、过铝质和高钾钙碱性系列花岗岩,富集Rb、Th、U等元素,亏损Ba、Nb、Sr等元素;指示岩浆源区为古-中元古代地壳物质部分熔融的产物,部分花岗岩有幔源物质的加入。区域地质背景和岩石地球化学数据指示湖南加里东期岩体形成于碰撞挤压峰期之后挤压减弱、应力松弛的后碰撞构造环境。区域内加里东期花岗岩中铀含量相对较高,为后期铀成矿提供物质来源。     

基于改进R-FCN的SAR图像识别

由于深度学习在目标识别方面取得了显著的成绩, 为提高合成孔径雷达(synthetic aperture radar, SAR)图像目标识别的精度与速度提供了新的思路。本文将区域全卷积网络(region-based fully convolutional networks, R-FCN)结构应用于SAR图像目标识别中, 取得了良好的效果。对于数据集较小和数据相似度较高的问题, 提出了基于迁移学习的R-FCN模型用于SAR图像目标识别。对更快的区域卷积神经网络(faster region convolutional neural networks, Faster R-CNN)和R-FCN进行模型训练及优化, 并与所提出的基于迁移学习的改进R-FCN模型实验结果进行对比。结果表明, 所提方法对SAR图像具有更好的识别效果和更快的识别速度。     

使用候选框进行全卷积网络修正的目标分割算法

由于反卷积和上池化操作的存在,传统全卷积网络在解码阶段常常会丢失目标位置信息,降低图像的分割精度.针对这种情况,提出基于候选框网络对全卷积网络的输出进行缺陷位置微调的液晶面板缺陷分割算法.算法基于ResNet-101网络搭建全卷积主干网络,此构建2个分支,候选框生成网络和反卷积网络.在反卷积网络的输出层中使用多通道分类损失函数,输出关于每种缺陷的类别分割图.同时利用候选框网络产生高置信度的目标框,以此框对反卷积网络输出的类别分割图进行逐通道修正,使用修正后的多通道缺陷类别分割图进行逐像素分类,得到最终分割结果.实验结果表明,该算法对液晶面板缺陷的分割取得了7.5％的精度提升,边缘分割更加精细化.     

智能网联交通混合标签感知的推荐预测模型

针对智能网联车辆高速移动以及智能网联组网模式多元化导致的传统协同过滤算法有效性受到限制的问题，提出一种新型混合标签感知推荐模型（hybrid tag-aware recommender model，HTRM）。嵌入层采用Word2Vec模型对项目标签、项目评分、用户行为标签和用户评分进行向量表示；特征层引入自编码器提取项目的自相似特征，采用长短期记忆网络（long short-term memory，LSTM）提取用户行为特征；门控层联合用户和项目的特征，并输入至全连接神经网络（fully connected neural network，FCNN）进行评分预测。实验结果表明，与TCF、CCF、ACF和DSPR传统模型相比，HTRM模型设计更合理，可以获得较高的推荐预测精度。     

基于多功能加载系统的全机械式桩基模型试验装置研发

在借鉴国内外学者关于桩基模型试验装置研究经验的基础上,自主研发了基于多功能加载系统的全机械式桩基模型试验装置,该装置可实现抗压、抗拔、水平桩基模型试验的加载。其桩基模型试验系统主要由模型槽、加载系统、测量系统等组成,模型槽全机械连接,可根据试验需求设置不同的长、宽、高;全自动加载系统可实现每级荷载的稳压要求,并且电脑自动控制和采集,试验的精确性和可靠性大幅度提高;全自动加载系统具有两向或三向同时加载的功能,可模拟桩基在不同工况下的承载性能。采用该装置进行了Y形桩抗压、抗拔、水平单桩模型试验,验证了该试验装置和加载系统的可行性和可靠性。