地连墙变形的神经网络多步预测研究

结合润扬长江公路大桥南汊北锚碇深基坑工程 ,提出并应用神经网络多步预测方法来研究地连墙施工变形的预测问题。系统介绍了基于时间窗口的神经网络多步滚动预测技术 ,并详细讨论了输入输出层的设计、隐层神经元数以及预测时间步长等一些基本预测技术问题。该预测方法应用于润扬长江公路大桥南汊北锚碇深基坑围护工程 ,取得了较好的工程效果。     

基于卷积神经网络的基因剪接位点预测

研究剪接位点可以更深入地探索剪接机制和基因预测方法,准确预测剪接位点至关重要。基于深度学习技术提出一种新的预测方法,无需人工提取样本特征,以基因序列的K-MER编码向量作为输入,采用训练后的卷积神经网络(CNN)模型进行预测。基于人类基因HS3D供体数据集,与传统机器学习方法进行预测比较,结果表明预测模型的主要性能指标,包含马修斯相关系数(MCC)、灵敏度(SN)均超过传统的机器学习方法。     

钢筋钢纤维混凝土深梁受剪承载力塑性分析

根据试验研究结果以及钢纤维混凝土的应力应变关系特点,建立钢筋钢纤维混凝土深梁斜截面破坏模型,并运用塑性分析方法建立与普通钢筋混凝土深梁相衔接的统-的斜截面受剪承载力的塑性计算公式,该公式与试验数据符合较好.     

高浓度深层渗碳碳分布数学模型建立与应用

在对高浓度深层渗碳的特点进行分析的基础上,考虑到碳化物的析出与溶解、温度与碳浓度对扩散系数的影响、气氛环境对碳传递系数的影响,提出了高浓度深层渗碳的数学模型,并导出了差分法求解方法。应用该模型实现了高浓度深层渗碳的计算机实时控制。     

绘平面控制网图和误差椭圆图程序

本程序采用ＢＡＳＩＣ语言编制，用于ＰＣ－Ｅ５００袖珍计算机和ＮＦ－ＰＰ４０精密四色绘图仪。该程序适用于绘制各种平面控制网图和各点上的误差椭圆图。本程序使用键盘输入语句和置数语句、读数语句，计算机根据输入的数据，逐一打印，以便查对，然后绘出平面控制网图。根据使用者的需要，是否绘出各未知点上的误差椭圆图。最后打印出绘图比例尺。     

深井孤岛工作面过探巷技术研究

邢东矿2225工作面为孤岛工作面,承受地压大,回采过程中经过2225探巷,巷道围岩破坏剧烈,尤其是底鼓变形严重,初期采取排木垛、打单体等措施在一定程度上控制了探巷顶板下沉,而工作面临近时在煤帮注化学浆形成锚注加固结构使煤体自身强度及承载能力显著增强,锚注加固结构具有较好的整体性和稳定性,从而实现工作面顺利回采。     

Phylogenetic analysis of extreme morphologies: deep-sea holasteroid echinoids

Because of their ‘bizarre’ features, some echinoids can be considered laboratories in which to analyse the origin of extreme morphologies. The holasteroid family Urechinidae Duncan, 1889 is such a group. It is composed of 18 previously named living species in three genera: Urechinus A. Agassiz, 1879, Plexechinus A. Agassiz, 1898, and Pilematechinus A. Agassiz, 1904. With Stereopneustes, the most closely related living taxon, and the calymnid-plus-pourtalesiid clade as outgroups, a phylogenetic analysis on 35 binary characters is produced. We focus on two major aspects of morphology: test features (apical system, basicoronals, interambulacrum 5, test shape, ambulacra) and external appendages (pedicellariae, spines, sphaeridia). New data on plate architecture, morphology, and appendages are illustrated, and the position of the fossil, Chelonechinus, is discussed. We show that the Urechinidae is paraphyletic: the genus Plexechinus shares more recent common ancestry with the calymnids and pourtalesiids than with other urechinids. In order to retain the well-circumscribed clade, Pilematechinus A. Agassiz, 1904, the phylogenetic classification also recognizes two additional genera: Cystechinus A. Agassiz, 1879, and Antrechinus new genus. A key to the species is provided. The production of extreme morphologies, such as internal parental care, is explored by mapping test size, the occurrence of fascioles, and periproct position onto the phylogeny. By adding plates early in ontogeny, Pilematechinus develops radically different plate architectures from another genus of large forms, Cystechinus. In contrast, the latter gets large by exaggerating allometric trends seen in other holasteroids. Paedomorphosis and miniaturization have evolved independently in Antrechinus and some Plexechinus, but always by truncation of allometric trajectories.     

基于改进卷积神经网络与动态衰减学习率的环境声音识别算法

环境声音识别在音频检索、监控方面有着广泛的应用,是听觉识别任务中的一个热门研究领域。但由于其声音信号的复杂多变,使得该任务在识别率提升方面依然面临许多挑战。针对这一问题本文提出了基于改进卷积神经网络的环境识别模型（S-CNN）,该模型采用反复堆叠的递减型卷积核提取不同尺度的局部特征,并在每层卷积层后采用Batch Normalization（BN）层对特征进行归一化操作。同时,利用动态衰减的学习率训练模型,以提高模型收敛速度与收敛稳定性。实验结果表明,相比于传统的机器学习与卷积神经网络模型,本文所设计的改进卷积神经网络模型S-CNN具有更好的识别率。在ESC-10环境声音数据库上,识别精度达到91.3%。     

深度学习与一致性表示空间学习的跨媒体检索

提出一种基于深度学习与一致性表示空间学习的方法,针对图像与文本2种模态,分别采用卷积神经网络模型和潜在狄利克雷分布算法学习图像的深度特征和文档的主题概率分布;通过一个概率模型将两个高度异构的向量空间非线性映射到一个一致性表示空间;采用中心相关性算法计算不同模态信息在此空间的距离.在Wikipedia Dataset上的实验结果表明:在单模态输入检索中,文中方法的平均准确率为38.43%,相比于其他方法有明显提高.     

两个5阶图与路及圈的联图的交叉数

详细的讨论了和两个5阶图Gi(i=11,14)有关的联图的交叉数,分别是:Gi+Hn,Gi+Pn和Gi+Cn,其中Hn是由n个孤立点构成的图,Pn和Cn分别是含n个点的路和圈.