采用离散元方法评价集料的骨架结构

为了从细观结构角度深入研究骨架型沥青混合料集料的受力特征,在离散元程序PFC3D内,采用多球相互重叠的方法描述粗集料颗粒的三维不规则形状,并建立了考虑级配特征的集料混合物生成方法.按照集料粒径由大到小的顺序,在PFC3D中对各档集料进行了虚拟的逐级填充,并定量分析了各粒径集料对逐级填充后混合物中集料间隙率、集料之间的接触点数量、接触力等参数的影响.结果表明:集料混合物中,较粗集料受到的接触力大于较细集料;在较粗集料的混合物中,加入大于2.36 mm的较细集料有助于增加集料混合物的接触点数量,降低较粗集料所承担的接触力;粒径4.75～9.50 mm集料对接触点数量的增加最为显著;4.75 mm是骨架型沥青混合料的关键粒径.     

基于数学形态学的鞋楦特征曲线骨架的提取方法

利用数学形态学方法提取出特征曲线带的骨架,并将提取的特征曲线用于鞋楦模型的重建。先利用已标定相机拍摄多幅图像,将图像去噪、提取特征曲线骨架后,再重建出鞋楦的三维模型。实验结果表明,利用该方法重建的鞋楦模型达到了实际生产要求,且重建所需设备比较经济。     

基于级联可分离空洞残差U-Net的肝脏肿瘤分割

计算机辅助肝脏肿瘤分割可减少医生工作量,提高手术成功率,因而具有重要的临床诊疗价值。为获得精确的肝脏肿瘤自动分割结果,该文结合医学影像分割领域近年新兴的U-Net模块提出了基于级联可分离空洞残差U-Net（cascaded separable and dilated residualU-Net,CSDResU-Net）的肝脏肿瘤分割方法。CSDResU-Net采用了级联操作,解决了因肿瘤在整幅图像中占比小而造成的肿瘤分割数据不平衡问题;通过在分割网络中整合残差单元、深度可分离卷积和空洞卷积,能够增加卷积核感受野并快速提取更具判别性的肝脏肿瘤图像特征,从而提高肝脏肿瘤分割精度。在国际医学图像计算和计算机辅助干预协会肝脏肿瘤分割数据库上的实验结果表明,CSDResU-Net比基线方法的Dice系数指标提升了1.3%,同时发现空洞率对分割网络的性能表现影响较大。     

紧李群上的卷积

利用紧李群G上一类卷积算子的自伴性和紧性,给出了L^2（G）的一种分解,并利用此分解方式回到了S^1上经典的Fourier分析,将泛函分析、李群、Fourier分析联系起来.     

基于AWE某半挂车车架疲劳寿命分析

采用UG软件建立了三维模型,并应用AWE软件完成了该产品试验的疲劳分析,从仿真分析计算所得到的疲劳寿命云图中,可直观的判断出车架的疲劳发生危险区域,为其改进设计提供了依据。     

关于对偶余代数的注记

给出了一个对偶余代数问题的反例．作为反射代数的一个应用,建立了从卷积代数 Ｈｏｍ（ Ｃ, Ａ） 到余代数张量的对偶代数（ Ｃ  Ａ°）  的同构映射     

一种快速并行骨架生成算法

基于ＭＩＭＤ并行处理机和欧几里德距离变换,研究了一种求二值图像骨架的并行算法．与现有算法相比,其所求骨架特性好,且实现简单,同时由于采用了并行处理技术,使计算速度大大提高     

基于深度学习的反无人机预警神经网络

为解决传统雷达探测设备面对"低小慢"无人机时产生的难检测与易突防问题,通过深度卷积神经网络对空中无人机进行实时识别,提取目标的类别与像空间位置信息;根据无人机像空间位置在时域下的变化趋势,绘制无人机飞行映射轨迹;利用长短期记忆网络对飞行映射轨迹进行预测,获取无人机在未来时域内的预测航迹方向,实现对无人机的预警跟踪、实时检测与轨迹推断。结果表明,所提出的算法中目标识别平均准确率可达到82%,轨迹预测平均准确率可达到80%计算速度可达到24帧/秒,可见能够在地基计算平台下对空中无人机进行实时精确预警,可以有效地防止识别领空内的非合作无人机渗透与突防。     

基于RoBERTa与句法信息的中文影评情感分析

细粒度情感分析是自然语言处理的关键任务之一,针对现有的解决中文影评情感分析的主流方案一般使用Word2Vector等预训练模型生成静态词向量,不能很好地解决一词多义问题,并且采用CNN池化的方式提取文本特征可能造成文本信息损失造成学习不充分,同时未能利用文本中包含的长距离依赖信息和句子中的句法信息。因此,提出了一种新的情感分析模型RoBERTa-PWCN-GTRU。模型使用RoBERTa预训练模型生成动态文本词向量,解决一词多义问题。为充分提取利用文本信息,采用改进的网络DenseDPCNN捕获文本长距离依赖信息,并与Bi-LSTM获取到的全局语义信息以双通道的方式进行特征融合,再融入邻近加权卷积网络(PWCN)获取到的句子句法信息,并引入门控Tanh-Relu单元(GTRU)进行进一步的特征筛选。在构建的中文影评数据集上的实验结果表明,提出的情感分析模型较主流模型在性能上有明显提升,其在中文影评数据集上的准确率达89.67%,F1值达82.51%,通过消融实验进一步验证了模型性能的有效性。模型能够为制片方未来的电影制作和消费者的购票决策提供有用信息,具有一定的实用价值。     

融合注意力空洞卷积和Transformer的矿石图像分割

在金矿研磨过程中,矿石粒度大小对后期黄金冶炼起着至关重要的作用,是一个不可忽略的关键参数。为解决图像分割中多数矿石表面不规则、棱角多,粘连等问题,通过结合注意力与多尺度空洞卷积的Vit Transformer模型研究了矿石图像分割。首先使用ResNet34作为下采样主干,增强对金矿石的特征提取能力;其次采用Transformer模块解决长距离依赖问题,融合复合通道注意力空洞模块提升网络对金矿石边缘特征的提取能力,提高了网络的抗干扰能力并扩大感受野。实验结果表明：本文算法准确率达到95.84%,Dice系数达到94.69%,交并比(IoU)达到90.39%,错误率低至7.83%。与其他算法对比,本文方法精度、Dice系数、IoU更高,可以较好地完成矿石图像分割任务。