城市道路交通问题探讨

本文对城市道路交通问题进行了探讨.     

浅谈10kV配网中户外开关设备的应用

10kV配网中户外开关设备分布,数量庞大,与配网运行可靠性密切相关,由于10kV户外开关设备种类多,电气性能各异,因此,只有合理的布局,充分发挥各种开关设备的功能和特点,才能使电网获得最大的效益。     

基于改进的单次多盒检测器室内人数检测

室内人数检测是解决公共资源合理分配和利用问题的关键。针对室内人群分布复杂且存在相互遮挡,而传统图像处理算法的准确率较低的问题,使用单次多盒检测器(single shot multibox detector, SSD)结合MobileNetV2与SENet的深度学习目标检测方法,对室内环境下的人进行识别。在微软开源数据集(common object in context, COCO)的基础上,采集室内真实图像制作数据集,进行不同IOU阈值、不同拍摄角度条件下的实验,并部署到计算环境为搭载神经元计算棒(neural compute stick,NCS2)的树莓派。实验表明,改进SSD目标检测模型在IOU阈值为0.4下,平均准确率和召回率较高,分别为97.91%和90.72%,在此计算环境下检测速度可达8帧/s,模型具有良好准确率和实时性。     

基于Web和Matlab自动控制原理虚拟实验平台的设计

该文设计了基于Web和Matlab的自动控制原理虚拟实验平台,并以二阶系统时域分析为例详细介绍了此虚拟实验平台的实现过程。     

现代防空作战中的电子对抗

信息化条件下的空袭与反空袭作战中的电子对抗中已经成为重要的作战样式,以电子干扰机、电子侦察机为代表的来自空中电子作战兵器对整个战场的态势产生了巨大的影响力,防空作战受敌电子攻击的威胁进一步加大,有效提高防空方的电子对抗能力是取得防空作战胜利的重要条件。     

施肥对羊草叶面积与穗部数量性状关系的影响

羊草在自然条件下有性繁殖能力低下,种子产量少,严重制约了对其的人工利用。本文从羊草源库关系的角度出发,运用正交实验设计的方法结果研究表明,N、K肥和施肥时间能极显著的影响叶面积以及单穗籽实的重量,从而影响羊草的生殖分配（P＜0．01）,P肥虽对叶面积有极显著影响（P＜0．01）,但对生殖分配的影响只接近显著水平,早期施肥对提高羊草的叶面积、结实率、种子产量和生殖分配的影响更大,叶面积与羊草种群结实率和生殖分配相关系数分别为r=0．875和0．827,说明叶面积和结实率、种子产量、生殖分配三者的关系极为密切,叶面积严重地影响着结实率和种子产量等穗部数量性状的高低．     

吉非罗齐纳米脂质体的制备及降脂功效的研究

制备吉非罗齐纳米脂质体并对其进行质量评价,研究其体外缓释和体内降脂作用.方法:建立吉非罗齐HPLC体外分析方法测定含量.通过乙醇注入法制备吉非罗齐纳米脂质体,考察脂质体理化性质.进行体外溶出实验检验吉非罗齐脂质体的缓释效果,小鼠体内实验检验降脂功效.结果:制得脂质体外观呈淡蓝色乳光,无沉淀,透射电镜图显示其呈类球状,分布均匀.最优处方包封率为(80.73±1.65)％,粒径为(122.82±3.61)nm,PDI为0.181±0.01,Zeta电位(-23.77±0.60)mV.吉非罗齐纳米脂质体体外24h累积释放量达到90.45％.在药效学实验中,吉非罗齐高剂量组降脂效果最好,各血浆指数均有显著变化.结论:乙醇注入法制备吉非罗齐纳米脂质体操作易行,包封率高、粒径小而均一、稳定性强,释放缓慢无突释,降血脂效果显著,为后期吉非罗齐新剂型的设计提供依据.     

VDMOSFET沟道区的研究

讨论了影响沟道长度及沟道的夹断区长度的因素,通过沟道区的优化促进了VDMOSFET性能的提高．     

不确定重尾量测噪声干扰下的鲁棒目标跟踪算法

在大多数目标跟踪方法中,通常假设量测噪声服从参数已知的高斯分布或对称重尾分布,但其非常受限并且在实际过程中常常无法得到满足。因此,针对存在不确定重尾量测噪声干扰下的目标跟踪问题,提出基于变分推理的鲁棒容积卡尔曼滤波算法。该算法利用Skew-T分布对不确定重尾量测噪声进行建模,在基于容积规则的数值积分过程中,结合变分推理将Skew-T分布量测噪声参数与系统状态变量进行联合递归计算,通过对近似后验概率密度函数进行变分迭代,获得系统模型和不对称重尾量测噪声参数。仿真结果表明,该算法相比变分贝叶斯扩展卡尔曼滤波算法具有较高的滤波精度。     

基于深度神经网络的手写数字识别模拟研究

当前图像识别大多采用基于特征提取的传统机器学习方法与卷积神经网络的方法,但传统图像识别技术需要手动提取图片特征,而卷积神经网络对硬件要求高,训练时间长等。针对以上问题,本文提出基于深度神经网络模型的手写体图像识别方法,让机器自动学习特征,并在此基础上,通过改进成本函数,加入dropout防止过拟合,来提高手写数字识别的识别率。仿真实验对比结果表明,基于深度神经网络模型的方法比当前传统算法的识别率提高了3.41%,有效解决了人工识别费力耗时问题,对手写数字的研究具有重要意义。