基于改进RPN的孪生小样本电力目标检测

为了解决当前电力系统巡检难度大、效率低、数据不足以支撑大规模训练的问题,提出一种基于孪生网络的小样本检测方法。首先,在Faster RCNN(faster region convolutional neural network)目标识别算法的框架下,搭建支持图片和查询图片共享的孪生网络模型;然后,利用改进的RPN(region proposal network)模块产生更高质量的proposals;最后,在检测头上对支持图片和查询图片的RoI(region of interest)进行关联匹配。结果表明,将算法应用于自主构建的EPD(electric power detection)数据集,在仅利用10张支持图片的情况下,就能实现对电力背景下鸟巢异物和绝缘子相关类别的检测,检测指标mAP达到18.92%。与其他算法相比,应用于电力行业目标检测的孪生网络小样本模型,在极端小样本情况下性能优良,同时具有更加轻量化的优势,可为电力检测新方法研究提供参考。     

考虑应力集中的吊车梁多轴疲劳寿命预测

钢结构吊车梁在工业建筑中被广泛应用,应力集中的存在导致几何不连续位置在复杂应力下服役.借助有限元法分析吊车梁应力-应变状态,确定危险点位置,并提取应力、应变分量;以应变能密度作为损伤参量并以最大平面为临界面,基于能量准则建立临界面位置数值计算方法,结合有限元结果给出吊车梁临界面位置;考虑吊车梁在非对称载荷下服役,借助Goodman方程进行平均应力修正,并结合Q355D钢近似S-N曲线计算疲劳寿命.该方法考虑了应力集中处多轴应力对疲劳损伤的影响,可以为复杂应力下几何不连续钢构件的疲劳寿命评估提供新方法.     

基于图像去噪和图像生成的对抗样本检测方法

针对现有对抗样本检测方法存在检测准确率低和训练收敛速度慢等问题,提出一种基于图像去噪技术和图像生成技术实现的对抗样本检测方法.该检测方法将对抗样本检测问题转换为图像分类问题,无须事先得知被攻击模型的结构和参数,仅使用图像的语义信息和分类标签信息即可判定图像是否为对抗样本.首先,采用基于swin-transformer和vision-transformer实现的移动窗口式掩码自编码器去除图像中的对抗性噪声,还原图像的语义信息.然后,使用基于带有梯度惩罚的条件生成式对抗网络实现的图像生成部分根据图像分类标签信息生成图像.最后,将前两阶段输出的图像输入卷积神经网络进行分类,通过对比完成去噪的图像和生成图像的分类结果一致性判定检测图像是否为对抗样本.在MNIST、GTSRB和CIAFAR-10数据集上的实验结果表明,相比于传统检测方法,本文提出的对抗样本检测方法的平均检测准确率提高6%~36%,F1分数提高6%~37%,训练收敛耗时缩减27%~83%,存在一定优势.     

非线性摄动电报方程初值问题的渐近理论

对一类二阶半线性摄动电报方程,给出了一个渐近方法,证明了解的渐近理论及形式近似解的合理性都在时间变量无穷大时（０≤ｔ≤Ｏ（｜ε｜－１））成立,并推广了赖绍永的工作［应用数学及力学,１９９７,１８（７）：６１１～６１６］．     

有间隙系统自激振动的近似解析解

对有间隙系统自激振动非线性方程的解析解进行了分析,通常平均法产生误差的重要原因在于假设平均法的解时未考虑间隙的影响,从而提出一种新的方法,即加权平均法。经验证,计算精度符合工程要求,为某些非线性方程提供了一条求其近似解析解的途径。     

加权幂平均函数的性质及简单应用

在推广平均不等式的基础上,讨论了幂平均函数和加权幂平均函数的性质,并简化了一类极限的计算。     

(磁)流体波动力学问题的近似求解─参数微分法

针对非线性物理如等离子体物理、流体力学、大气科学等领域中信受人们关注的两类摄动问题（Ⅰ）、（Ⅱ）,引进"参数微分法"得到其近似解,其结果可用于研讨摄动对原物理问题解的影响。类似的问题在许多动力学问题物理解的数值定性分析及其应用WKB方法处理时也会经常遇到。这里的方法仅对两个特例给出,无疑可用于其它类似问题的处理。     

平均色差计算机配色方法的研究

本文提出了Ｅ＾２Ｄ６５＋Ｅ＾２Ａ→ｍｉｎ计算机配色方法。实验表明计算机配色方法在不同的光源照明时色差趋于平均。     

时隙式随机多址系统中两种平均周期划分

随着卫星通信系统、无线分组网络和计算机通信网络的迅速发展,随机争用多址接入的传输理论也得到了极大的丰富和发展,其应用也越来广泛。本文在文献［８］的基础上,对时隙随机多址系统进行了研究,给出了两种新的平均周期划分,得到了系统的报文分组发送成功的平均长度公式、报文分组发生碰撞的平均长度公式和空闲时隙的平均长度公式。     

S=1伊辛模型的有限集团近似

用有限集团近似法（ＦＣＡ）研究了存在晶场的情况或无规键情况下Ｓ＝１横向伊辛模型的特性,数值计算了蜂窝状格子的相图,由有限集团近似得出的结果要比标准的平均场近似得出的效果好。