基于推理注意力机制的二阶段网络图像修复

现有的图像修复方法在处理大面积缺失或高度纹理化的图像时，通常会产生扭曲的结构或与周围区域不一致的模糊纹理，无法重建合理的图像结构。为此，提出了一种基于推理注意力机制的二阶段网络图像修复方法。首先通过边缘生成网络生成合理的幻觉边缘信息，然后在图像补全网络完成图像的重建工作。为了进一步生成视觉效果更逼真的图像，提高图像修复的精确度，在图像补全网络采用推理注意力机制，有效控制了生成特征的不一致性，从而生成更有效的信息。所提方法在多个数据集上进行了实验验证，结果表明该图像修复方法的结构相似性指数达到了88.9%，峰值信噪比达到了25.56 dB，与现有的图像修复方法相比，该方法具有更高的图像修复精确度，生成的图像更逼真。     

基于堆叠稀疏去噪自动编码网络与多隐层反向传播神经网络的铣刀磨损预测模型

刀具磨损状态是机械加工过程中需考虑的重要因素之一.针对铣刀磨损的在线预测问题,建立了一种基于深度学习的铣刀磨损预测模型.首先,将采集到的铣刀切削时的振动信号进行小波去噪后,利用快速傅里叶变换和小波包分解等技术提取时域、频域及时频域上的特征参数,并根据相关性分析从中筛选出合格的特征参数合并为特征向量,以此作为堆叠稀疏去噪自动编码网络(SSDAE)的含噪样本.其次,利用特征后处理的方式对已经筛选出的特征参数进行单调不递减及平滑处理,并将其作为SSDAE的无噪样本来训练该网络.然后,将经过SSDAE降维后的特征向量作为多隐层反向传播神经网络(BPNN)的输入,以这些特征对应的实际铣刀的磨损量作为标签对该网络进行拟合训练.最后,对训练好的模型进行实验验证,通过测试数据集和人为加入噪声的测试数据集的对比,结果显示所提模型不仅具有较高的预测精度,还具有较高的鲁棒性.     

基于证据推理的激光惯组最优维护方法

为解决激光惯组存在的故障样本获取困难和监测维护周期不合理等问题，采用一种融合多元信息的性能评估方法对激光惯组的性能进行评估。首先，综合考虑了惯组指标信息的权重和可靠度，基于证据推理融合多元信息得到激光惯组性能评估结果。其次，根据性能评估结果，通过维纳过程预测综合考虑激光惯组的监测维护成本和性能设计要求，在满足性能状态要求前提下以单位时间内期望维护成本最小为目标，确定最优维护时机。最后，使用某型号激光惯组进行了实验验证，说明所提出的方法的有效性。     

案例推理式输电线单端电流行波故障测距

针对线路单端电流行波故障测距因波头标定困难所导致的测距可靠性不高、难自动执行等不足,提出基于历史数据进行案例推理的经验学习式改进思路。首先分析线路故障实录行波的形态特征和影响故障距离折算的因素。针对故障的复发性和多厂家、跨平台、不同电压等级线路故障波形的相似性,对测距过程中的波头标定和距离折算2个关键阶段进行参数化、案例化描述,根据相应特征属性于历史案例库搜索最相近样本进行算法参数复用从而实现智能测距。该方法能够对复发性故障实现测距结论复用,能够对高相似度故障样本实现测距方法复用,测距效果随历史故障样本积累而提升。不同厂家行波装置获得的大量故障实录数据表明该方法可行、有效。     

Diodes沟槽型超级势垒整流器提高下一代充电器效率

Diodes推出全新两款采用了旗下专利沟槽型超级势垒整流(Trench SBR)技术的器件SBRT15U50SP5及SBRT20U50SLP,能够实现下一代电池充电器对效率和温度的严格要求。两款全新沟槽型超级势垒整流器具有超低正向电压、低漏电流,并以较低的温度工作,有效满足充电器输出整流二极管的要求,从而易于处理36 k Hz断续模式充电器设计的较短电流脉冲。Diodes推出的两款器件包括适合10W智能手机充电器的15 A SBRT15U50SP5,以及为12.5 W平板电脑充电器而设的     

狂犬病病毒CTN株反向遗传系统的改造及拯救

目的对狂犬病病毒CTN株反向遗传系统进行改造,并拯救改造后的狂犬病病毒。方法应用基因定点突变技术分别对狂犬病病毒CTN株G蛋白的第194位和333位氨基酸进行定点突变,将突变后的G蛋白基因替换原有反向遗传系统中的G蛋白基因,同时对突变后的G蛋白基因进行拷贝,分明构建含有1、2和3个改造后G蛋白基因全长序列的感染性克隆,并将其分别与辅助质粒共转染BSR细胞,采用直接免疫荧光实验(DFA)和RT-PCR法鉴定重组病毒。结果 G蛋白的第194位天冬酰胺突变为丝氨酸,第333位谷氨酰胺突变为谷氨酸,获得含有1、2和3个突变后G蛋白基因的狂犬病病毒CTN株反向遗传系统,并拯救出重组狂犬病病毒。结论成功对狂犬病病毒CTN株反向遗传系统进行了改造,并拯救出了重组病毒,为研制安全、稳定、高效的新型狂犬病病毒疫苗奠定了基础。     

离子膜电解反向电流及其消除

探讨反向电流的形成、反向电流的危害、极化整流器消除反向电流的若干方式、C-DCDS装置构成及其与极化整流器匹配应用于电解槽的情况,以及单独使用极化整流器或C-DCDS和两者匹配使用的方法。     

基于分段加权的反向稀疏跟踪算法研究

为提高稀疏表示跟踪模型性能，提出一种分段加权的反向稀疏跟踪算法，将跟踪问题转化为在贝叶斯框架下寻找概率最高的候选对象问题，构造不同的分段权重函数来分别度量候选目标与正负模板的判别特征系数。通过池化来降低跟踪结果的不确定性干扰，选择正负模板加权系数差值最大的候选表示作为跟踪结果。实验表明，在光照变化、遮挡、快速运动、运动模糊情况下，所提出的算法可以确保跟踪结果的准确性和鲁棒性。