一类非线性算子具混合误差项的Ishikawa迭代序列的强收敛定理

使用新的分析技巧，研究了Banach空间中强增生算子方程解的具有混合误差项的Ishikawa迭代序列的收敛性问题，改进和扩展了近期的许多相关结果。     

基于混合模式网络聊天系统的设计与实现

基于网络聊天通信系统的通用性和界面友好性,研究了网络聊天系统的设计原理及体系结构,给出一个基于C/S与B/S混合模式的即时通讯聊天系统的设计方案.方案设计采用XML表示数据,运用面向对象方法及C#.NET和ASP.NET等工具,实现了网络在线聊天系统的在线好友查看、发送消息、接收消息等功能.界面采用UML语言描述系统设计,并以图片形式显示效果.初步试用表明,系统运行稳定,具有较强的可扩展性和实用性.     

基于卷积长短期记忆网络的泄漏监测算法研究

针对长距离输送管道的应用中,沿线参数无法逐点测量,采用显式数学模型的方法并不完全能获得全部准确数值,提出一种基于卷积长短期记忆网络(CNN-LSTM)的流量预测方法。该方法使用CNN网络拟合空间特征,LSTM探索时间特征。采用从实际运行管道中收集的真实数据训练出对应的深度学习模型,从而可根据沿线压力梯度预测流量,误差范围为0.3%～0.7%管道输量。将该模型用于泄漏监测,可以通过连续监测预测与实际流量之间的偏差发现管道泄漏。确定泄漏点位置时采用了基于相关压力点之间曲线距离算法。在实际管道上的现场测试表明,新算法不仅稳定有效,而且在管道设备运行过程中不会产生错误报警。     

高校思政理论课驱动式混合教学模式融合创新研究

基于高校思政理论课驱动式混合教学模式融合创新,阐释新时期思政理论课教学的应有之义。高校思政理论课驱动式混合教学模式能够调动学生的学习热情,培养学生的综合能力;拓宽学生的学习渠道,打破时空限制;深化教学内容,丰富教学知识。为了应对高校思政理论课“三个封闭”现象,研究提出“一线、两面、多模块”驱动式混合教学模式,试图以专题式教学为主线,通过线上互动和线下互动两个方面,构建学生时事评说、各章知识竞赛、主题分享、微电影等多模块驱动课堂教学贯穿思政理论课全过程,推动驱动式混合教学模式融合创新。     

利用深度卷积神经网络算法识别传统篆体书法的应用研究

利用先进的数字化和智能化技术对我国古代文化遗产进行数字化应用和有效保护,以更快捷、更高效的方式解决凭借人力无法解决的问题,具有重要的现实意义.通过研究深度卷积神经网络在书法文字检测识别任务上的应用,设计了一个篆体书法文字检测识别的完整系统,包括数据采集、数据扩充、算法训练与测试和算法模型部署等流程.整个系统以YOLOv...     

基于XLNet的中文文本情感分析

针对Word2vec等静态词向量模型不能解决一词多义、传统情感分析模型不能同时提取文本的全局和局部信息问题,本文提出了结合广义自回归预训练语言模型(XLNet)的文本情感分析模型。首先利用XLNet表示文本特征,然后利用卷积神经网络提取文本向量的局部特征,再利用双向门控循环单元提取文本的更深层次上下文信息,最后引入注意力机制,根据特征的重要性赋予特征不同的权重,并进行文本情感极性分析。仿真实验中将本文模型与5种常用的情感分析模型进行对比,验证了模型的准确率和优越性。     

基于单模态生理信号无监督特征学习的驾驶压力识别

针对基于多模态生理信号分析的驾驶压力识别会影响驾驶员的行车舒适性,且传统的生理特征的提取需要依赖先验知识的问题,构建了基于单模态生理信号无监督特征学习的驾驶压力识别模型.首先采用单模态生理信号,通过构造卷积自编码器进行无监督的特征学习来提取抽象特征;然后将特征依次送入支持向量机、随机森林、K最近邻、梯度提升决策树4种不...     

混合果园果蝇的发生情况及其寄生性天敌调查研究

为了明确混合果园果蝇的发生危害规律,摸清果园内的天敌寄生蜂资源,为果蝇的绿色防控提供科学依据, 2021年在宁波余姚果乡园农场进行了系统调查研究。结果表明:混合果园共有拟果蝇、黑腹果蝇、斑翅果蝇和伊米果蝇4种果蝇,对杨梅果实危害率达到98%。混合果园果蝇的发生危害规律基本和各个水果的成熟期相一致。混合果园的寄生蜂种类共有6大类,其中日本开臂反颚茧蜂和食果蝇毛锤角细蜂为优势种群。该研究为进一步利用天敌寄生蜂防治果蝇提供了科学依据。     

典型喀斯特山地城市不透水面时空格局

以贵阳市主城区为研究区,利用基于植被覆盖度提取法和线性光谱混合分析法分别提取研究区不透水面信息;通过精度对比,选用最优方法提取研究区1996、2007、2017年的不透水面信息,并结合标准差椭圆法和相关扩展指标探讨不透水面的时空演变.结果表明:在喀斯特地区利用线性光谱混合分析法提取不透水面信息效果较好;1996—201...     

融入注意力机制的时间激励与聚集行为识别模型

视频行为识别通常应用短区间动作特征和长区间视频聚集特征进行时序建模.而这种时序建模方式在特征提取过程中,将不同时序区间的动作特征同等看待,忽略了关键通道信息和重要动作内容,不能达到理想的行为识别效果.注意力机制能够重点关注目标区间,在提取时间激励与聚集行为特征基础上融入通道-空间注意力模块.该模型分别通过通道和空间模块改变时序动作的特征分布,通道注意力关注关键通道信息是“哪些”,空间注意力机制关注重要视频内容在“哪里”,突出关键通道信息和重要内容等特征,提高了行为识别的识别率.同时在数据集Something-Something 1,UCF101和HMDB51对模型进行实验,融入通道-空间注意力模块的时间激励与聚集行为识别模型能够有效提高行为识别率.