基于OBDD时序电路设计的验证

依据有序二叉判定图（OBDD）和计算树逻辑（或称分支时态逻辑）CTL（Computational Tree Logic)的基本原理，分析了基于OBDD和CTL的验证数据电路设计的基本原理，并在此基础上，给出了时序电路等价验证的方法。     

两类N参数σ－域族的刻划

证明了Ｎ参数右连续强增加σ－域族的（ＯＲＴ）性质等价于（ＳＴＲ）性质，对于具有（ＰＩＶ）性质的离散Ｎ参数σ－增域族，必存在单参数σ－增域族和关于它的停时族（Ｔ＿ｚ）ｚ∈Ｎ￣Ｎ，使     

Applying Petri-Net-Based Reduction Approach for Verifying the Correctness of Workflow Models

0 IntroductionTobadaseyd’s o nintfhoer mflaotiwonof s ywsotrekmss t hhraovueg hbe tehne doervgealnoipzead-tion rather than based ontasks .Duetothistrend,work-flowand business process technology has been applied tovarious applications such as ERP, groupwares , E-mar-ketplaces , E-business etc . When business processes areapplied to these applications ,business processes are de-fined by process designers and business process instancesare executed by workflowengines or workflow manage-ment sys…     

小样本参数估计算法及其应用

本文简要介绍了Minimax法和MSAR法对小样本数据的研究,随之重点介绍了1种实用的新算法IMSAR法及其应用。该法是通过变权松弛最小二乘法,确定适当的权因子来实现的。它克服了MSAR法的运算量随样本数据量增加而显著增加的突出缺点,仿真结果表明:IMSAR法具有较强的抗干扰能力,可适应于噪声分布未知的情况。最后,本文将IMSAR法应用于转炉炼钢动态模型及药物房室模型的建立,收到了令人满意的效果。     

单通道涡流无损检测信号盲源分离算法

针对脉冲涡流无损检测(pulsed eddy current testing, PECT)系统中获取单一检测信号存在的混叠问题,文章提出一种基于经验模态分解(empirical mode decomposition, EMD)和快速独立分量分析(fast independent component analysis, FastICA)的单通道盲源信号分离算法。该算法首先通过EMD对混合观测信号分解,然后利用奇异值分解(singular value decomposition, SVD)估计源信号数目,根据估计得到的源信号数目将观测信号和对应模态分量构成新的虚拟信号,最后利用FastICA算法分离得到源信号的估计。有限元仿真实验表明该算法能有效分离单通道混合检测信号,并且优于小波分解的单通道盲源分离算法。     

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。     

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.     

灌注桩超声脉冲检测法和判据的研究

本文论述了钴孔灌注桩超声脉中检测法的原理、仪器和方法.分析了当超声脉冲穿过缺陷区时其传播时间、幅值(或衰减)以及接收信号波形所呈现的变化.提出了基于"声时—深度"曲线的缺陷定量判据.即声时差值与斜率乘积判据.该判据能估算缺陷的性质和大小.而且,若将该判据与"幅值—深度"曲线综合运用,则可提高检测和判断结果的精度.     

一种盲信号分离的信息理论方法

给出了一种新的基于信息理论的盲信号分离的判据,该判据基于统计独立的假设,同时利用了最大信息传输和输出互信息最小化。将该判据用于独立分量分析,得到源信号的盲分离。仿真实验结果表明,同ｉｎｆｏｍａｘ方法相比,该方法可分离范围更广的信号。