建筑基坑内支撑梁爆破拆除安全性评估

采用理论与实践相结合的方法,对深基坑内的拆除爆破安全性进行计算与评估,并设计了爆破方案。     

悬臂式护坡桩设计与施工方法探讨

本文以深基坑开挖中悬臂式护坡桩设计与施工为例,通过理论分析与现场观测,提出了悬臂式护坡桩的设计与施工方法     

粮食仓储库熏蒸控制系统智能网络控制器研究

在粮食仓储自动熏蒸过程中,采用CAN总线技术为核心设计了现场智能网络控制器,实现了对磷化氢体积分数的自动控制,以及对温度、湿度的自动测量.介绍了该智能网络控制器的设计思路,以及采用CAN总线通信控制器SJ1000实现通信控制的具体实现方式.     

基于类间损失和多视图融合的深度嵌入聚类

针对深度嵌入聚类方法仅考虑类内关系及多视图聚类存在特征表示不足等问题,提出一种基于类间损失和多视图特征融合的深度嵌入聚类方法,该方法在深度嵌入聚类的损失函数中引进一个新的正则项提高类判别性.先通过自动编码器提取多视图数据的特征表示,对不同视图的特征表示进行融合得到公共表示,基于此得到数据的软分配分布和辅助目标分布;再对公共表示和聚类分配进行联合优化得到最终的聚类结果.在多视图数据集上的实验结果表明,该方法能有效提高聚类性能.     

VLBI软件相关处理机研究进展及其在深空探测中的应用

甚长基线干涉测量（VLBI）是重要的射电天文技术，具有极高的空间分辨率，是国际上广泛采用的深空探测器高精度测量手段，相关处理机则是VLBI数据预处理的核心设备.由于VLBI观测数据的相关处理具有数据密集和计算密集的双重特点，目前绝大多数均由专用的大规模高速硬件相关处理机承担.随着通用计算机性能的迅猛发展，基于通用商用计算机的VLBI软件相关处理机的研究逐渐得到重视，并发展迅速，成为VLBI技术领域新的研究热点.软件相关处理机具有制造价低、复制容易、升级简便等特点，有可能在不久的将来，以深空探测领域为切入点，得以普遍应用，并且在常规天文数据相关处理中替代现有的硬件相关处理机。     

基于DCNN的弹道中段目标HRRP图像识别

针对弹道中段目标识别问题,现有的基于高分辨距离像(high resolution range profile, HRRP)的识别方法直接提取一维HRRP(1-dimension HRRP, 1D-HRRP)的整体特征,对局部特征提取能力较弱,且由1D-HRRP数据提取的特征的表达能力有限,为此提出了一种基于深度卷积神经网络(deep convolutional neural network, DCNN)的弹道中段目标HRRP图像识别方法。首先,将1D-HRRP转化为0-1二值图像,从而把数值变化特征转化为图像结构特征;然后,构建DCNN逐层提取图像的局部特征和共性特征并进行识别;最后,结合Dropout和L2正则化双重机制缓解DCNN过拟合问题,利用AdaBound算法提高DCNN训练收敛速度和识别正确率。实验结果表明,所提出的基于HRRP图像的弹道中段目标识别方法比其他12种基于1D-HRRP或二维HRRP(2-dimension HRRP, 2D-HRRP)的识别方法正确率更高,在测试数据集上达到了96.28%,实验结果验证了该方法的有效性。     

基于深度神经网络的航班保障时间预测研究

航班地面保障时间预测是提高机场运行保障效率和决策能力的关键问题之一。考虑到服务流程的复杂性和特殊性,建立了航班地面保障资源到位时间的高斯概率模型,提出了一种基于深度神经网络的航班地面保障时间预测模型,并根据保障数据规律性变化调节模型参数,减小不确定性因素产生的泛化误差。研究结果表明,单航班预测结果的平均绝对误差比多航班小4.479 min,模型评价分数达到了94.608,且预测精度比传统BP神经网络和贝叶斯网络方法高3%~5%。     

基于快速特征欺骗的通用扰动生成改进方法

近年来,基于深度神经网络的应用日益广泛,然而深度神经网络容易受到由输入数据设计的微小扰动而带来的对抗性攻击,导致网络的错误输出,给智能系统的部署带来安全隐患.为了提高智能系统的抗风险能力,有必要对存在风险的扰动生成方法展开研究.快速特征欺骗（fast feature fool,FFF）是面向视觉任务的一种有效的通用扰动生成方法.考虑了输入图像在网络中的实际激活状态,以最大化原始图像和对抗样本之间的特征差异作为生成扰动的目标函数;同时考虑不同卷积层对于生成扰动的不同影响,在生成扰动的目标函数中,对不同卷积层对应的项加以不同权重.实验结果表明,改进的FFF方法攻击成功率更高,同时也具备更强的跨模型攻击能力.     

互联网时代语音识别基本问题

语音识别技术经过半个世纪的积累,于近年来达到大规模商用水平．本文概括了统计语音识别理论的发展状况,并单独介绍了深度神经网络在声学建模、语言建模、多语言共享、语义识别等方面的卓越性能．深度神经网络的性能优势引起了我们强烈的兴趣．通过回顾类人听觉信息处理对深度神经网络的改进作用,我们意识到,深度神经网络与类人听觉信息处理相结合,必将推进语音识别技术的进一步发展．反过来,深度神经网络技术在语音识别中的进步,也必将推动类人听觉信总、处理技术的进步．语音识别技术后续发展的重点是对深度神经网络的结构和训练算法的改进使之更好地实现类人听觉．最后,我们分析了采用深度神经网络模拟人类听觉的抗噪修复机理和听觉关注机理的可能性．     

一种端到端的个体出行轨迹重识别的深度学习方法

对于行人的再识别研究大多采用图像处理和计算机视觉领域的相关方法,在社会治安领域和商业领域内受到了越来越多的关注.从信息检索的角度出发,提出了一种端到端的深度学习框架,对匿名化的基于位置的服务(LBS)数据进行用户再识别.首先,该框架采用嵌入网络对输入的位置序列及其对应的时间序列进行编码;然后采用递归循环网络对用户每天的...