基于多Agent案例推理的个性化智能推荐服务

针对个性化智能推荐服务是大型科学仪器协作共用网的重要组成部分的情况,分析了个性化智能推荐服务的工作原理、系统结构及相关技术;重点论述了个性化智能推荐服务案例库的结构设计、案例生成及推理过程的算法描述.将基于案例的推理方法(CBR),多Agent技术与MVC模式有效地融入个性化智能推荐服务中,采用基于Struts构架的B/S多层混合体系结构,设计并实现了一个基于Struts构架与多Agent案例推理的交互式个性化智能推荐服务系统.     

过冷对共析钢动态相变和组织演变的影响

将共析钢在600-700℃的过冷奥氏体状态下进行单轴热压缩,获得了亚微米级别等轴铁素体 纳米级别弥散分布球化渗碳体的复相组织,其组织演变经历动态相变、片层渗碳体球化、铁素体动态再结晶和纳米级别渗碳体颗粒析出等过程.随着形变温度的降低,过冷度增加,相变动力学过程加快.片层渗碳体的球化程度由球化时间和球化速度控制,形变温度升高使渗碳体球化速度加快,但是相变开始时间及动力学延迟使得用于渗碳体球化和熟化的时间相应缩短,导致球化程度降低.铁素体再结晶和等轴化过程则主要受位错迁移、渗碳体颗粒钉扎的影响,形变温度升高导致较高的等轴化发展速度.     

基于多层聚焦Inception-V3卷积网络的细粒度图像分类

细粒度图片具有结构多变、背景干扰大、类间差异小、类内差异大等特点,准确地定位与提取判别性局部特征至关重要.本文提出一种多层聚焦卷积网络,通过首层聚焦网络能够准确、有效地聚焦于识别局域并生成定位区域,根据定位区域对原图像分别进行裁剪和遮挡后输入下一层的聚焦网络进行训练分类.其中单层聚焦网络以In-ception-V3网络...     

枫树坝电厂增容改造后机组振动故障处理

针对枫树坝水电厂#2机组增容改造完成后在试运行时出现上机架水平振动异常偏大现象,分析了导致机组发生振动故障的原因,通过动平衡与稳定性试验有效解决了机械及电磁力不平衡的影响,并发现水力因素影响随负荷增加而明显下降.为确保机组长期安全稳定运行,建议机组不宜在低水头和低负荷下运行.     

基于HOG和E-SVM的服装图像联合分割算法

针对目前服装图像分割准确率低的问题,提出一种基于HOG特征和E-SVM分类器的服装图像联合分割算法。该算法具体可分为三个迭代的步骤：超像素组合、E-SVM分类器训练、分割传播,并用到辅助数据集。将用户输入的图像结合辅助服装集进行超像素分割,并利用分割传播方法将超像素组合成多个区域。利用分割效果积极的区域的HOG信息训练E-SVM分类器。通过E-SVM分类器以及分割传播方法将输入的图像中的服装分割出来。实验结果表明,该方法能够高准确率地分割出服装图像。     

ZnS:Eu/ZnS核/壳结构量子点自发辐射性能研究

利用水溶性前驱体材料在水性介质中制备了ZnS:Eu和ZnS:Eu/ZnS核/壳结构量子点,并利用XRD、TEM和PL对ZnS:Eu和ZnS:Eu/ZnS核/壳结构量子点的结构和发光性能进行了研究.ZnS:Eu和ZnS:Eu/ZnS量子点XRD谱显示:ZnS:Eu和ZnS:Eu/ZnS量子点具有β-ZnS结构,且随着Zn...     

水电机组一次调频动态品质规范探讨

为提高水电机组的一次调频技术水平,以广东电网一次调频运行管理规定为例,探讨了水电机组的一次调频动态品质规范.结合实际,指出了已有理论响应目标计算公式的不足,给出了考虑调速器控制模式和人工转速死区类型的详细计算公式;分析了出力响应指标时评价开度调节下调速器一次调频动态品质的影响,指出应以被控制量的滞后、上升和稳定时间来考...     

天生桥水力发电总厂机组一次调频试验

一次调频功能是水轮机调速器的重要功能,投入大机组的一次调频功能,对提高电网负荷变化时的频率响应能力,保持系统频率在允许范围内,确保高质量的电力供应至关重要.为验证机组一次调频功能和技术参数,需进行机组一次调频试验.针对天生桥水力发电总厂1号机组进行的一次调频性能测试和分析,详细阐述了一次调频功能的实现方法及一次调频与二次调频的协调关系,介绍了所涉及试验项目的测试分析方法,并对机组的一次调频性能进行了全面评价.     

共析钢过冷奥氏体动态相变过程中先共析铁素体的生成

通过在Gleeble1500热模拟试验机上进行单轴热压缩试验,研究了共析钢过冷奥氏体在A1～Ar1之间变形时的动态相变特征.结果表明:共析钢过冷奥氏体在变形过程中动态相变与等温相变具有明显差异.动态相变过程中首先沿原始奥氏体晶界形成先共析铁素体,随后生成的珠光体与等温相变得到的珠光体相比,其片层间距和渗碳体厚度较小.提高应变速率将导致动态相变完成时先共析铁素体含量增加,珠光体片层间距减小而渗碳体厚度略有提高.由此提出过冷奥氏体变形使共析点右移的观点,并给予初步解释.     

面向肺结节多语义特征分类的不确定性多任务损失方法

肺结节的早期诊断对后续的治疗非常重要。 尽管深度学习方法在肺结节良恶性分类等任务中取得了良好的结果,但是这些方法没有提供有意义的诊断功能,导致获得的结果缺乏客观性。越来越多的研究者引入了肺结节的其他语义特征来解决这个问题,但是多个语义特征的引入会造成模型的负迁移。为了解决肺结节多个语义特征之间同步共享知识的程度不 同造成的负迁移问题。本文提出一种基于不确定性多任务损失的深度学习模型,对肺结节的9个语义特征(精细度,内部结构,钙化,球形度,边缘,分叶征,毛刺征,纹理,恶性程度)进行分类,通过每个任务的同质不确定性来权衡多个损失函数的权重。我们在基准数据集LIDC-IDRI上验证了该方法,本文提出的模型在恶性程度上的分类准确率为93.6%,ROC曲线下面积为95.5%,查全率为84.6%,特异性为94.5%。我们的模型通过肺结节多个语义特征共享知识的程度不同进而改变多个语义特征相对权重提高了恶性程度的分类性能。