多注意力结合光流的视频超分辨方法

针对现如今监控摄像、卫星遥感以及视频娱乐等领域对视频图像的清晰度要求越来越高,而目 前大部分视频超分辨方法存在参数量大、恢复的视频存在抖动等问题,提出了一种多注意力结合光流的视频 超分辨方法,通过引入多个注意力包括空间注意力、通道注意力以及自注意力来提升超分辨性能。 具体而 言,作为一种特征加权的增强方法,这些注意力可以捕获视频帧的时空特征并增强自适应性和通道间的依赖 性,实现全局学习的功能;同时,提出双阶段特征对齐思路,首先利用光流对视频进行估计,进行第一阶段的 特征对齐,然后引入长短是记忆网络结构增强位置和通道的特征融合,进行第二阶段的特征对齐,以防止恢 复的视频帧出现抖动。 实验结果表明:该方法在评估标准和可视化效果方面都取得了令人满意的效果。     

深层低渗稠油径向钻孔储层敏感参数研究

深层低渗稠油油藏具有地质条件复杂、储量丰度低、经济效益差等特点,采用常规稠油热采或冷采工艺均无法实现有效动用,考虑径向钻孔技术具有定层位、定方位、定深度等技术优势,建立基于径向钻孔方式下的数值模拟模型,开展储层敏感参数间相互关系研究,最终建立径向钻孔模型下的开发技术界限筛选图版,为后期能否顺利实施径向钻孔提供合理筛选标准。     

基于多模态深度神经网络的抓取检测方法

针对机器人抓取检测任务中对未知物体抓取检测精度低的问题,本文提出了一种多模态深度神经抓取检测模型。首先,在RGB和深度两个通道中引入残差模块以进一步提升网络的特征提取能力。接着,引入多模态特征融合模块进行特征融合。最终通过全连接层回归融合特征以得到最佳抓取检测结果。实验结果表明,在Cornell抓取数据集上,本文方法的图像拆分检测精度达到95.7%,对象拆分检测精度达到94.6%。此外,本文还通过消融实验证明了引入残差模块可以提高网络抓取检测性能。     

Intelligent Scheduling Controller Design for Networked Control Systems Based on Estimation of Distribution Algorithm

The use of communication networks in control loops has gained increasing attention in recent years due to its advantages and flexible applications. The network quality-of-service （QoS） in those socalled networked control systems always fluctuates due to changes of the traffic load and available network resources, This paper presents an intelligent scheduling controller design approach for a class of NCSs to handle network QoS variations, The sampling period and control parameters in the controller are simultaneously scheduled to compensate for the network QoS variations. The estimation of distribution algorithm is used to optimize the sampling period and control parameters for better performance. Compared with existing networked control methods, the controller has better ability to compensate for the network QoS variations and to balance network loads. Simulation results show that the plant setting time with the intelligent scheduling controller is reduced by about 64.0% for the medium network load and 49.1% for high network load and demonstrate the effectiveness of the proposed approaches.     

南屯煤矿深部沿空巷道耦合支护技术

通过研究,确定了南屯煤矿九采区93|02综放工作面沿空回采巷道围岩为高应力节理化复合型(HJ型)软岩,根据巷道围岩变形力学机制及其转化对策,确定了锚网索耦合支护设计方案,即采用破底板掘进和超前支护优化围岩结构,采用直墙圆拱形巷道断面优化围岩受力状态,锚杆为直径22 mm,长2 500 mm的螺纹钢锚杆,间排距800 mm ×500 mm,配合钢筋网及复合托盘,锚索长度为6 800 mm,排距2 000 mm.工程应用表明,巷道掘进期间围岩基本没有变形,工作面回采期间,顶底板变形量累计456 mm,两帮相对移近量累计518 mm,能够实现深部松软厚煤层沿空巷道围岩稳定性的有效控制,为工作面的安全高效生产创造了条件.     

基于AT指令集的GPRS智能通信系统

为保证无线通信在智能化和个人化发展过程中的安全性和保密性,提出了一种利用GPRS(General Packet Radio Service)网络构建智能通信系统的实现方案。该方案在Visual Basic6.0环境下利用GPRS模块结合AT(Attention)指令集合,建立了民警在实战中的保密通信、快速信息查询和搜索的个性化语音通信平台。通过ADO (ActiveX Data Objects)与Microsoft Access数据库建立连接,可在GPRS／GSM (Global System for Mobile Communications)网络中完成来电追踪、历史记录查询、来电智能屏蔽及特密专线拨号和修改等功能。该智能通信系统的成功开发可为特性化的语音业务以及智能化的移动数据通信业务的实现提供一定的参考。     

采用通道注意力机制的RIS辅助MIMO级联信道估计

可重构智慧表面（RIS）辅助多天线毫米波无线通信系统的级联信道有直传和反射两条链路,系统维数大且复杂,获取信道状态信息（CSI）困难. 针对RIS辅助下的大规模多输入多输出（MIMO）通信系统应用场景,提出了基于通道注意力机制的SE-ResNetV2网络来获取CSI,在残差网络（ResNet）中引入了通道注意力模块,通过挤压和激励策略来提高噪声特征的捕捉能力. 仿真结果表明,相比于最小二乘（LS）估计算法和常规的注意力机制深度ResNet,所提出的深度学习网络具有更好的去噪效果和估计精度.     

基于宽度学习的浓密机底流浓度软测量

由于浓密脱水过程中浓密机的底流浓度难以在线检测,本文提出了一种基于宽度学习的软测量建模方法,用以解决底流浓度的在线检测问题.该方法精度高,泛化能力强.首先,在浓密机内部安装压力传感器,建立正常工况下的历史数据集;然后,利用宽度学习系统对软测量模型进行训练,从而实现浓密机底流浓度的在线预测;最后,通过仿真实验验证了该方法...     

MEC架构下基于DDPG的车联网任务卸载和资源分配

为了缓解车联网中个体车辆计算资源配置过低而导致的任务处理时延较大的问题,提出了一种移动边缘计算(mobile edge computing, MEC)架构下的动态任务卸载策略和资源分配方案。以最小化全网任务处理时延为目标,将车联网中的任务卸载和资源分配问题建模为马尔可夫决策过程(Markov decision process, MDP),并利用深度确定性策略梯度(deep deterministic policy gradient, DDPG)算法进行了问题求解。仿真结果表明,与执行者-评价者(actor-critic, AC)和深度Q网络(deep Q-network, DQN)这2种算法相比,DDPG算法以最快的算法收敛特性获得最小的全网任务处理时延。     

基于ROAMP-Net的大规模MIMO系统智能信号检测方法

针对大规模多输入多输出(multiple-input multiple-output,MIMO)系统存在的信号检测计算复杂度高、检测精度不足等问题,参考OAMP-Net算法思想,引入残差结构,提出了一种新的智能信号检测网络模型ROAMP-Net。将正交近似消息传递(orthogonal approximate message passing,OAMP)估算信号的迭代过程展开为深度学习网络,同时引入残差结构,分别对各网络层的线性和非线性估计值进行逐层修正,有效防止估计误差的前向传播和过程积累,避免网络模型随着网络层数增加而发生性能退化,从而提高最终信号检测的准确度。针对不同调制方式和不同天线阵列的系列仿真实验结果表明,不同调制方式和天线阵列下ROAMP-Net在检测准确度上均有不错的性能表现。