一种基于IBDP-GRU模型的热带果树寒冻害预警技术

针对热带果树寒冻害预警中涉及的气象数据不平衡问题,提出一种结合不平衡数据处理和门控循环单元的热带果树寒冻害预警模型(IBDP-GRU)。按照设定的低温阈值,将数据样本按其最低气温分为高于阈值(通常为多数)和低于阈值(通常为少数)2类;利用提出的欠抽样算法对多数类样本进行欠抽样,并为不同类的训练样本赋予不同的权重;将训练样本和权重输入到GRU模型中训练;结合未来一天的最低气温预测值和相关热带果树的寒冻害指标判断这些果树在未来一天是否会受害。实验结果表明,IBDP-GRU能在不显著影响多数类样本预测的同时更加注重少数类样本的预测;在预测果树一天是否会受害时,IBDP-GRU对香蕉寒冻害预警的正报率分别比GRU、LSTM、CNN-GRU和BP模型的高16.4%、19.3%、20.3%、31.3%,对莲雾寒冻害预警的正报率分别比上述模型高18.7%、18.6%、20.5%、32.2%。     

基于特征自干扰与像素注意力机制的道路分割网络

主流网络在提取图片特征过程中易受其他目标干扰导致特征鲁棒性降低,而现有的基于噪声抗干扰机制有着伪特征与真实特征相似度不高这一劣势;注意力机制的运用可以提升道路场景特征的空间上下文关系从而增强特征的抗干扰能力,但现有的注意力机制缺乏像素级的特征筛选。针对上述问题提出了基于图像特征自干扰与像素注意力机制的道路分割网络,该网络分为主干分割网络和特征自干扰网络两部分,主干的分割网络包含像素注意力模块,可实现真实特征的提取和像素级的增强;自干扰网络输入原始图像随机裁剪和插值放大后得到的局部图生成伪特征,此外提出了融合模块用于实现伪特征与真实特征的融合并对主分割网络中间特征进行干扰。在KITTI和Cityscapes道路数据库上的实验表明：基于图像特征自干扰与像素注意力机制的分割方法与DeepLab V3分割方法相比,在KITTI数据集上的分割精度由88.02%提升至90.55%,在Cityscapes数据集上的分割精度由87.15%提升至90.16%。     

基于神经网络的高并行大规模MIMO信号检测算法

随着5G和未来移动无线网络的不断发展,大规模多输入多输出(multiple input multiple output, MIMO)是其中的关键技术之一。随着天线数目的不断增加,给接收机的设计带来更高的挑战,复杂度过高的检测算法在实际中难以应用。本文将一种高并行(high-parallelism, HP)检测算法展开到神经网络中,单层神经网络基于该算法的每次迭代,并将其与可训练的权重参数和非线性神经单元相结合,提出基于网络结构HP-Net的方法。通过训练HP-Net得到最优可训练参数,进而提高检测性能。实验结果表明,所提方法相对传统最小均方误差(minimum mean square error, MMSE)算法复杂度更低,并能够得到更低的误码率;同时相对HP并行检测算法误码率性能更优。     

感知特征增强学习的低分辨率人脸识别

针对低分辨率人脸图像信息严重缺失而导致的人脸识别能力受限问题,提出了一种感知特征增强学习的低分辨率人脸识别网络.设计的整体网络包含两个通道,其中一个通道为低分辨率人脸识别子网络,顺序执行对输入的低分辨率人脸的超分辨率重构、深度特征提取与识别;另一通道为高分辨率人脸识别子网络,顺序对输入的高分辨率人脸进行深度特征提取与识...     

“四个面向”战略下高校产学研深度融合的实践路向

“十四五”时期,加快推动产学研深度融合已成为完善科技创新体制机制系列部署中的关键环节,是深化企业、高校、科研院所协同创新,推动国家经济科技战略实现的重要举措。“四个面向”战略下的产学研深度融合将进一步增强高校科技创新驱动力、增强高校科技成果转化吸引力、增强产学研用协同创新支撑力、增强产学研用服务社会贡献力。当前高校产学研在主体职责边界、合作体制机制、法律政策体系、支撑载体资源等方面仍面临诸多问题。新时期,应以“四个面向”战略为指引,革新组织方式、再造评价体系、构建整合机制、优化制度环境,加快推进创新驱动发展战略和科技强国的建设。     

指数分布区间型删失数据的可靠度最优置信下限

由于测量仪器的精度,测量方法等原因,往往不能得到产品精确的失效时间,得到的是区间型删失数据.本文讨论了指数分布区间型删失数据下的可靠度最优置信下限的估计问题.首先采用极大似然估计方法对指数分布区间型失效数据的失效率进行了估计,然后对每个区间型失效数据采用期望值对其失效时间进行估计,通过估计出的失效时间估计出了可靠度的最优置信下限,并给出了计算机模拟结果.     

基于改进GoogLeNet的锌渣识别算法

针对目前热镀锌工艺中捞渣机器人工作效率低、缺乏选择性等问题,提出一种基于深度学习的锌渣识别算法,以提高捞渣生产线无人化水平.首先,在GoogLeNet网络基础上进行改进,并搭建了适用于实际生产环境的锌渣识别模型;其次,利用经验丰富的工作人员所标注的薄渣和厚渣这两类锌渣图片来建立数据库,完成锌渣分类模型的训练;最后,将工...     

依托解吸-深度水解装置实现尿素废水零排放

采用解吸-深度水解技术,处理尿素工艺冷凝液、一甲泵密封水及合成塔和一甲泵冲洗水,回收废水中的氨和尿素,同时将冷凝液进行回收用作脱盐水的补充水,实现尿素废水零排放,具有较好的环境效益和经济效益和社会效益。     

去噪先验驱动的深度神经网络图像超分

为了提高图像超分的质量,将双层卷积神经网络去噪模块嵌入到图像超分任务中,给出去噪先验驱动的深度神经网络图像超分方法.图像去噪模块可以快速灵活地处理不同水平的噪声,所提出的图像超分网络可以很好地实现图像超分复原.用训练好的网络对双三次下采样和高斯下采样的低分辨率图像进行超分测试,复原的高分辨率图像比使用其他图像超分方法具...     

基于协作式深度强化学习的火灾应急疏散仿真研究

火灾是威胁公共安全的主要灾害之一,火灾产生的高温和有毒有害烟气严重影响了疏散路径的选择。将深度强化学习引入到应急疏散仿真研究,针对多智能体环境提出了协作式双深度Q网络算法。建立随时间动态变化的火灾场景模型,为人员疏散提供实时的危险区域分布信息;对各自独立的智能体神经网络进行整合,建立多智能体统一的深度神经网络,实现所有智能体之间的神经网络和经验共享,提高整体协作疏散效率。结果表明：所提方法具有良好的稳定性和适应性,训练和学习效率得到提升,具有良好的应用价值。