一种元-卷积网络和持续学习融合的洞库类目标识别方法

洞库类目标是高价值识别目标,针对洞库类目标样本数据难以获得、样本内部数据相似度较高、人工设计识别特征方法局限性较大、普通深度网络需要海量数据等问题,提出了结合元学习和深度卷积网络的元-卷积网络(MCNN),并融合持续学习理论的洞库类目标识别方法(MCNN-LLS).首先结合深度卷积网络、元学习的理论建立元-卷积网络,该网络可利用旧知识指导新知识的训练,利用小样本数据即可训练得到识别能力较高的深度洞库模型;然后融合持续学习理论,建立持续学习系统(LLS),设计专家审核模型判别深度洞库模型的识别结果,并引入潜在任务、模型异步更新等方法,达到模型持续学习、持续更新的效果.实验表明,本文方法所需样本数量少,对洞库类目标识别准确率高,且识别能力可随识别过程中新数据的积累逐步提高.     

世界优秀男子110 m栏运动员成绩变化分析

采用文献资料调查、数理统计等科研方法, 对1997年世界田径锦标赛男子110 m栏前 7 名运动员的成绩进行相关分析, 揭示当今男子110 m栏全程速度变化的规律和特点, 并对近 4 年来世界优秀男子 110 m栏运动员与我国男子110 m栏运动员的成绩进行对比分析, 希望能对我国男子110 m栏的训练提供一些新的参考和启示.     

SAR图像的特征提取与目标识别

针对已有的SAR图像自动目标识别方法效果不太好的问题，提出了SAR图像的自动目标识别三种方法，即采用灰度特征的目标识别，采用栅格特征的目标识别，和采用模版特征的目标识别.理论和实验表明，采用模版特征的目标识别效果比较好.     

一类有规避行为的动目标搜索问题研究

在动目标的搜索过程中,搜索者在有限的时间内,利用有限的资源寻找目标,使其期望回报最大,而目标则针对搜索者可能采取的策略,选择适当的运动路径躲避搜索者的搜索。将此问题归结为一个二人零和对策问题,并给出利用对策论求解的方法。     

基于MCNPX对ADS中子源散裂靶的物理研究

运用蒙卡程序MCNPX对加速器驱动次临界反应堆系统（简称ADS）的标准散裂中子靶进行了计算研究.计算了在0.6～1.5 GeV的质子轰击下,标准Pb靶发生散裂反应产生的中子产额及分布、中子能谱以及靶内能量沉积分布.计算结果与文献理论数据、实验数据进行了比较.     

A liquid helium temperature target with a 10 K vapor shield for shock compression experiment in the environment condition of 100 Pa

The shock compression experiment of liquid helium is an available way to gain properties of specimen at high temperatures and pressures.Based on Fluent,a thermal insulation analysis and design of a liquid helium temperature target in the environment condition of 100 Pa for shock compression experiment is performed.Then,a cryogenic target with a 10 K helium vapor shield and a separated vacuum interval is particularly developed.A lowest temperature of 3.63 K and a stable temperature of 3.70 K in the specimen cavity with an accuracy of 0.1 K are obtained by means of continuous flow and vacuum cooling.Both time-consuming and temperature stability are well-suited to the requirements of the shock compression experiment.The results show that the calculated and experimental data well-matched each other.The simulation method may be effective and feasible for the optimal design of the cryogenic target.     

工业设备防护及效费分析

工业设备防护是重要经济目标防护的重要组成部分,提出了工业重点设备的确定原则、防护分类方法和相应的防护措施,并参考国外实验数据,根据效费分析模型,以某汽车制造公司为例,对重点设备防护进行了效费分析。分析结果表明,开展工业设备防护具有较高的效费比,该成果对开展工业设备防护具有较大的参考价值。     

平台动态防御演化博弈模型和状态迁移策略

为提升平台动态防御系统对病毒的适应性和防御效能,对基于有限理性假设的平台动态防御演化博弈模型和状态迁移策略进行研究。首先,从病毒传播感染机理入手,阐述了平台状态迁移动态防御和有限理性假设下的演化博弈原理,分析了平台动态防御中节点状态转移关系和影响因素;其次,定义了平台动态防御的演化博弈模型和关键参数,考虑迁移平台与病毒类型之间的免疫特性,提出免疫因子和防御节点收益计算方法;最后,通过算例给出了单个状态演化稳定分析流程和方法,设计了节点状态迁移演化均衡策略生成算法。理论分析和仿真结果表明:平台动态防御节点状态迁移演化均衡策略具有更好的防御效能,可有效解决平台动态防御系统在面对随机攻击病毒的平台迁移选择问题。     

基于YOLO-PCB的印刷电路板裸板缺陷检测

针对当前印刷电路板PCB（Printed Circuit Board）裸板缺陷检测算法对小目标检测准确率较低、误检率过高等问题,一种改进的YOLO-PCB缺陷检测算法被提出。新算法在YOLOv5s算法的基础上引入注意力机制,增强特征图的通道特征;同时引入加权双向特征金字塔网络改进特征融合层,使网络实现更高层次的特征融合;而且增加小目标检测层,提高网络对印刷电路板上小目标缺陷的检测能力。实验结果表明,相较于原YOLOv5算法,改进后的检测算法具有更强的特征提取融合能力和更高的检测精度,YOLO-PCB算法的mAP_0.5提升了4.08%,mAP0.5:0.95提升了56.69%,精确度提升了1.81%,召回率提升了6.76%。     

一种面向自动驾驶路况的目标检测算法

为了对常见的行人和车辆进行检测,采用自行标注的数据集,通过基于faster region-based convolutional neural network （RCNN）框架的算法进行调参与优化. 主干网络采用轻量化网络MobileNetv2,在原生锚框的基础上,区域建议网络（RPN）部分增加2个面积尺度,检测部分使用感兴趣区域（ROI）Align结构,减少特征图映射和均分过程中的误差. 实验结果表明：使用faster RCNN目标检测网络,可以有效完成行人和车辆的检测任务,整体效果良好.