对聚丙烯纺粘法非织造布生产技术的探讨

简述了聚丙烯纺粘法非织造布生产线的工艺和生产流程,针对生产工艺,包括纺丝温度、侧吹风、牵伸风、泵供量以及摆丝器和热轧机的一些技术参数进行了探讨,并对生产线的技术改造提出了有关看法。     

基于深度学习的表面缺陷检测技术研究进展

随着计算机视觉技术的快速发展,基于深度学习的表面缺陷检测技术实现了爆发式的应用,并逐步成为了主流发展方向。基于深度学习的缺陷检测技术可以近似为计算机视觉任务中的分类、检测、分割等任务,其主要目的是找出物体表面缺陷的类别和所在位置,相较于传统图像处理方法,深度学习在特征提取能力和环境适应能力上优势明显。以缺陷数据标签类型为依据,对近年来基于深度学习的表面缺陷检测技术进行梳理划分,总结目前技术的优点与不足,重点阐述了监督学习下的三种缺陷检测方法。探讨了表面缺陷检测技术面临的小样本以及不平衡样本等关键问题：对于小样本问题目前有结构优化、数据增广、迁移学习等解决方法;针对不平衡样本问题,介绍了近年来热点的无监督、弱监督与半监督学习模型。随后介绍了常用的工业表面缺陷数据集并展现了近年来提出的算法在NEU数据集上的应用效果。最后对进一步的研究工作提出展望,希望能给缺陷检测研究提供有意义的参考。     

移动网络政府政务应用综述

移动网络的普及和基础设施的建设,推进了政府信息的及时性和透明性,提升了公众对政府的满意度.文章参考多篇相关文献,总结概述出了国内外政府服务移动化发展现状及其面临的挑战,同时在文章最后提出相关针对性策略.     

基于改进CNN的年龄和性别识别

人脸图像的年龄和性别识别是人脸分析的重要任务,在真实多变场景下完成识别依然面临挑战。改进深度卷积神经网络（Convolutional Neural Network,CNN）,将首层大尺寸卷积核替换为级联3[×]3卷积核;采用跨连卷积层融合中层和高层抽象特征;加入Batch Normalization（BN）层,设置较高的学习率和较小的Dropout比率;采用1[×]1卷积核与全局平均池化（Global Average Pooling）取代全连接层。实验表明,所提方法与主流的年龄性别识别方法比较具有较好的识别率,在Adience数据集上,年龄识别精度达到89.8%,性别识别精度达到93.3%。     

基于坐标变换的图形自适应排列算法

为了解决基于网格技术的图形排列算法在处理可变尺寸图形排列问题上的局限性,基于几何变换思想,建立了有界平面上图形自适应排列的数学模型,并证明了其正确性,进而提出了基于坐标变换的图形自适应排列算法。此算法用图形平移变换方式代替网格划分方法在有界视图上部署图形元素,其时间复杂性为O(N)。最后将所获得的算法应用到面向中央空调节能控制的软PLC系统上,基于9类指令图形、3类测试案例的测试结果表明：本文算法能以较低的CPU占用率实现图形有序排列的效果,具有较高的运行速率与稳定性。     

非平稳数据流下的持续学习灾难性遗忘问题求解策略综述

持续学习作为一种在非平稳数据流中不断学习新任务并能保持旧任务性能的特殊机器学习范例,是视觉计算、自主机器人等领域的研究热点,但现阶段灾难性遗忘问题仍然是持续学习的一个巨大挑战。围绕持续学习灾难性遗忘问题展开综述研究,分析了灾难性遗忘问题缓解机理,并从模型参数、训练数据和网络架构三个层面探讨了灾难性遗忘问题求解策略,包括正则化策略、重放策略、动态架构策略和联合策略;根据现有文献凝练了灾难性遗忘方法的评估指标,并对比了不同灾难性遗忘问题的求解策略性能。最后对持续学习相关研究指出了未来的研究方向,以期为研究持续学习灾难性遗忘问题提供借鉴和参考。     

基于真值发现的冲突数据源质量评价算法

针对目前冲突数据源的质量评价模型仅考虑准确度与精确度2个方面,没有考虑数据源提供错误描述与提供空值对数据源质量会产生不同影响的情况,通过将数据源提供的错误描述定义为主动错误,并将数据源没有为实体提供描述定义为被动错误,从主动错误、被动错误2个方面建立数据源质量模型.该模型以敏感度、明确度代替了准确度与精确度;为了处理多真值问题,预先合并数据源对实体的描述,并定义了合并描述的包含关系及包含度计算模型;在包含度计算模型的基础上,提出了基于描述包含度的冲突数据源质量评价算法(TFDQ).在通用数据集Books-Authors上的实验表明,与Vote算法、TruthFinder算法相比,TFDQ算法实验结果更接近真实情况.     

一种细分扇区空间矢量脉宽调制

推出了SVPWM分区电压矢量作用时间计算公式,给出一种细分扇区空间矢量脉宽调制,详细给出细分扇区各区矢量图及零电压矢量选择原则.用DSP做实验,并应用于风力发电机组变流装置中.     

机器人的人体姿态动作识别与模仿算法

提出从人体姿态估计的角度实现人与NAO机器人的互动交流。用AdaBoost算法训练得到人体部件检测器,利用得到的部件检测器在图片中寻找到对应部件的若干候选区域,在寻找的过程中兼顾部件的位置和方向。依据提出的评价指标评价这些候选区域,从中选出最优。以NAO机器人为实验平台,在其动作可达范围内实现对人体动作姿态的识别与模仿,达到较好的动作空间一致性和时间一致性。实验结果证明该算法可有效识别和模仿人体姿态。