基于残差卷积自注意力神经网络的铝电解过热度识别方法

过热度是反映铝电解槽当前生产效率的重要指标,由于过热度难以在线实时测量,本文提出一种基于残差卷积自注意力神经网络的过热度识别方法.针对铝电解生产过程数据为时间序列数据且具有多源异构特性,设计异构数据的同构表示方法.在此基础上建立残差卷积自注意力神经网络模型以提取同构时间序列数据的全局与局部特征.针对过热度数据标签少且类别分布不均匀问题,采用基于自动编码器的无监督预训练方法与加权交叉熵损失函数以提高过热度识别任务的性能.在基准数据集上进行仿真对比实验以验证本文所提方法的有效性,然后在只包含少量不平衡标签的铝电解过热度数据集上进行实验验证,结果表明本文构建的过热度识别模型相较与其他现有模型不仅提高了过热度识别准确率,而且在训练样本较少时保证了模型的泛化能力.     

动态可控残差卷积神经网络的低剂量 CT 图像处理

针对计算机断层扫描(Computed Tomography, CT)中因采用低剂量扫描方式,导致图像噪声伪影干扰,尤其 是不同部位噪声和伪影强度存在较大差异这一问题,提出了一种基于动态可控残差的卷积神经网络(DC-ResNet) 算法。 DC-ResNet 的主要思想是在常规残差网络连接中添加一个图像质量指导的控制变量,以允许获取残差的加 权和,从而实现残差特征的动态可控。 所设计的 DC-ResNet 网络是一种包括两个子网络的组合型结构,一个是作 为主干网络的基础子网络,在该子网络中使用全局动态残差块和局部动态残差块来实现低剂量 CT 图像质量的提 高;另一个是作为辅助网络的条件子网络,用来生成基础子网络中不同动态可控残差块的权值,辅助基础子网络的 学习。 通过 Mayo 与 UIH 数据实验验证,其视觉结果表明:处理后的不同部位 CT 图像噪声伪影均能够得到较好的 抑制,并能有效地保留结构细节及组织纹理;量化结果表明:处理后的 CT 图像峰值信噪比( Peak-Signal to Noise Ratio, PSNR)和结构相似性(Structure Similarity, SSIM)均优于对比方法。     

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.     

逐步回归分析的拓展

给出一种方法,在逐步回归后,使每一前进（后退）步为一单元步,用Ｆ检验来判别这单元步的去留,使回归式子比逐步回归纳入更多的解析变量,同时能减低向后消元法产生多重共线性的可能性．     

用IDX法测定马尾松和樟子松种子发芽能力的研究

研究用ＩＤＸ法测定马尾松和樟子松种子发芽能力的方法及其标准化。结果发现,马尾松和樟子松种子浸种１６ｈ后,在１５℃、相对湿度接近１００％的培养箱内培养５６ｈ,然后在２５℃、相对湿度４０％的条件下分别干燥３ｈ、２ｈ,再作射线摄影,此时生活种子与死亡种子含水量的差异能在射线照片上形成密度反差,据此可以测定种子的发芽能力,即生活种子含水量高,吸收射线能力强,在射线图象上表现为密度均匀,胚与胚乳界限不明显,     

混沌理论与非线性经济系统

简述了混沌的定义、特征以及混沌系统的判定方法,并初步探讨了混沌理论在非线性经济系统中的应用,重点讨论了该理论在非线性经济结构的统计检验和经济系统控制等方面的应用     

利用线性预测残差的语音去噪方法

语音信号中经常混有加性噪声,噪声的存在会使语音处理系统的性能急剧下降,因此语音去噪是语音信号处理中的关键技术之一.提出一种利用线性预测残差去除语音中的加性白噪声的方法,实验结果表明,该方法可以有效地去除语音信号中的加性白噪声,并且保持语音信号较好的清晰度和可懂度.     

资本市场发展与经济增长均衡关系协整检验

在总结国内外相关成果的基础上,分析了股票市场促进经济增长的作用机制,运用1994年到2005年的季度数据进行分段检验,实证研究了股票市场发展与中国经济增长的关系,得出了出人意料的结论.     

如何用SPSS、SAS统计软件进行正态性检验

目的 了解常用统计软件对计量资料作正态性检验的方法。方法从理论上介绍正态性检验常用的方法，并举例说明如何用SASSPSS统计软件对计量资料作正态性检验。结果不同的统计软件对同一统计量的分析操作不同但结果一致。结论熟悉统计软件的应用特点并正确掌握统计资料的分析方法。     

逐步等效t检验最优值的修正及应用

给出了逐步生物等效t检验最大耐受剂量值的一个修正法，使用该法可以最大限度地提高药物耐受剂量水平的精度，并在概率1—α之下保证安全性，使得最优耐受剂量值最大限度地接近真实最大耐受剂量值。