采用蒸馏训练的时空图卷积动作识别融合模型

目的 基于深度学习的动作识别方法识别准确率显著提升,但仍然存在很多挑战和困难。现行方法在一些训练数据大、分类类别多的数据集以及实际应用中鲁棒性较差,而且许多方法使用的模型参数量较大、计算复杂,提高模型准确度和鲁棒性的同时对模型进行轻量化仍然是一个重要的研究方向。为此,提出了一种基于知识蒸馏的轻量化时空图卷积动作识别融合模型。方法 改进最新的时空卷积网络,利用分组卷积等设计参数量较少的时空卷积子模型;为了训练该模型,选取两个现有的基于全卷积的模型作为教师模型在数据集上训练,在得到训练好的教师模型后,再利用知识蒸馏的方法结合数据增强技术训练参数量较少的时空卷积子模型;利用线性融合的方法将知识蒸馏训练得到的子模型融合得到最终的融合模型。结果 在广泛使用的NTU RGB + D数据集上与前沿的多种方法进行了比较,在CS(cross-subject)和CV(cross-view)两种评估标准下,本文模型的准确率分别为90.9%和96.5%,与教师模型2s-AGCN(two-stream adaptive graph convolutional networks for skeleton-based action)相比,分别提高了2.4%和1.4%;与教师模型DGNN(directed graph neural network)相比,分别提高了1.0%和0.4%;与MS-AAGCN(multi-stream attention-enhanced adaptive graph convolutional neural network)模型相比,分别提高了0.9%和0.3%。结论 本文提出的融合模型,综合了知识蒸馏、数据增强技术和模型融合的优点,使动作识别更加准确和鲁棒。     

高性能整数倍稀疏网络行为识别研究

目的 行为识别在人体交互、行为分析和监控等实际场景中具有广泛的应用。大部分基于骨架的行为识别方法利用空间和时间两个维度的信息才能获得好的效果。GCN (graph convolutional network)能够将空间和时间信息有效地结合起来,然而基于GCN的方法具有较高的计算复杂度,结合注意力模块和多流融合策略使整个训练过程具有更低的效率。目前大多数研究都专注于算法的性能,如何在保证精度的基础上减少算法的计算量是行为识别需要解决的关键性问题。对此,本文在轻量级Shift-GCN (shift graph convolutional network)的基础上,提出了整数倍稀疏网络IntSparse-GCN (integer sparse graph convolutional network)。方法 首先提出奇数列向上移动,偶数列向下移动,并将移出部分用0替代新的稀疏移位操作,并在此基础上,提出将网络每层的输入输出设置成关节点的整数倍,即整数倍稀疏网络IntSparse-GCN。然后对Shift-GCN中的mask掩膜函数进行研究分析,通过自动化遍历方式得到精度最高的优化参数。结果 消融实验表明,每次算法改进都能提高算法整体性能。在NTU RGB+D数据集的子集X-sub和X-view上,4流IntSparse-GCN+M-Sparse的Top-1精度分别为90.72%和96.57%。在Northwestern-UCLA数据集上,4流IntSparse-GCN+M-Sparse的Top-1精度达到96.77%,较原模型提高2.17%。相比代表性的其他算法,在不同数据集及4个流上的准确率均有提升,尤其在Northwestern-UCLA数据集上提升非常明显。结论 本文针对shift稀疏特征提出整数倍IntSparse-GCN网络,对Shift-GCN中的mask掩膜函数进行研究分析,并设计自动化遍历方式得到精度最高的优化参数,不但提高了精度,也为进一步的剪枝及量化提供了依据。     

Discrete-time contraction constrained nonlinear model predictive control using graph-based geodesic computation

Modern chemical processes need to operate around time-varying operating conditions to optimize plant economy, in response to dynamic supply chains (e.g., time-varying specifications of product and energy costs). As such, the process control system needs to handle a wide range of operating conditions whilst optimizing system performance and ensuring stability during transitions. This article presents a reference-flexible nonlinear model predictive control approach using contraction based constraints. Firstly, a contraction condition that ensures convergence to any feasible state trajectories or setpoints is constructed. This condition is then imposed as a constraint on the optimization problem for model predictive control with a general (typically economic) cost function, utilizing Riemannian weighted graphs and shortest path techniques. The result is a reference flexible and fast optimal controller that can trade-off between the rate of target trajectory convergence and economic benefit (away from the desired process objective). The proposed approach is illustrated by a simulation study on a CSTR control problem.     

基于IFC标准的施工信息模型至图数据库的自动映射机制及其应用

工业基础类(industry foundation classes, IFC)文件是建筑信息模型的数据存储和交互的标准通用文件,其难以直接被用于数据分析和数据挖掘。图数据在描述数据间复杂关联关系时具有天然的优势,被大量应用于对关联关系的分析和挖掘中。建立从IFC文件到图数据库的自动映射机制,将IFC文件中的实体及其关联关系一一映射至图数据库的节点和关系中,并分析该自动映射机制的完备性和基于图数据库的信息管理效率。映射得到的基于图数据库的施工信息模型被应用于施工离散事件仿真、施工进度网络分析和施工延迟分析中。分析结果表明,提出的自动映射机制能够完整地传递基于IFC标准的信息,映射效率满足施工过程中信息高效交互的需求,且基于图数据的信息管理效率也高于直接操作IFC文件的效率。在此基础上,通过具体工程中施工进度信息的关系利用和挖掘体现所提数据映射机制的优越性,结果表明所提数据映射机制提高了预制装配式建筑施工管理效率。     

Fast accessing Web3D contents using lightweight progressive meshes

Accessing Web3D contents is relatively slow through Internet under limited bandwidth. Preprocessing of 3D models can certainly alleviate the problem, such as 3D compression and progressive meshes (PM). But none of them considers the similarity between components of a 3D model, so that we could take advantage of this to further improve the efficiency. This paper proposes a similarity‐aware data reduction method together with PM, called lightweight progressive meshes (LPM). LPM aims to excavate similar components in a 3D model, generates PM representation of each component left after removing redundant components, and organizes all the processed data using a structure called lightweight scene graph. The proposed LPM possesses four significant advantages. First, it can minimize the file size of 3D model dramatically without almost any precision loss. Because of this, minimal data is delivered. Second, PM enables the delivery to be progressive, so called streaming. Third, when rendering at client side, due to lightweight scene graph, decompression is not necessary and instanced rendering is fully exerted. Fourth, it is extremely efficient and effective under very limited bandwidth, especially when delivering large 3D scenes. Performance on real data justifies the effectiveness of our LPM, which improves the state‐of‐the‐art in accessing Web3D contents. Copyright © 2015 John Wiley & Sons, Ltd.     

综合模块化航空电子多约束分区调度方法

在综合模块化航空电子系统(integrated modular avionics, IMA)中,采用严格的空间和时间分区管理(partitioning)保证同一个模块上运行的不同应用可以共享处理资源.根据系统硬件资源和应用的要求,定义分区的多类型约束条件,使得分区到在各个模块上的分配和时分访问调度成为复杂的组合优化问题.通过将分区分配的预处理与满足性模理论(satisfiability modulo theories,SMT)求解调度表的方法相互结合,可以减少断言式和分区调度时刻变量的数量,提高求解效率;其中,预处理过程采用最大独立团算法,随后将剩余的分区约束条件转换成SMT工具可识别的逻辑表达式,形式化求解得到各个分区的调度时刻.通过规模不同的算例,验证了该方法可行性,并说明预处理过程对于快速判断满足性要求和缩短求解时间的好处.     

重型车湿式桥非线性传动能量流耗分析

重型车湿式桥传动系统能量流动与损耗研究是车辆经济性、安全性及动力性的基础。现有研究主要简单分析单工况下齿轮箱的能量损耗,缺乏复杂工况下基于人车路的传动系统能量流耗精细综合研究。针对典型重型车辆循环作业下的湿式桥传动系统能量流耗进行综合分析,建立不同能量损耗类型的数学模型。考虑车辆循环作业能量流耗影响因素,基于键合图理论分析总成及系统能量流耗情况后,建立整个传动系统的能量流耗模型。此动力学模型与实车试验数据结合不但可以研究一般工况下的人车路湿式桥非线性能量流耗,还可以分析驱动滑转、制动滑移、转弯、轮荷及重心转移等复杂工况,这为今后研究和精确实车复杂工况下的能量流耗情况提供了一套可行的方法。     

基于键图法的直流电网系统模型

为适应直流电网智能、高效、经济运行的要求,实现各换流站间的协调控制,基于六端直流电网物理仿真平台,将多端直流输电系统视为一个多输入、多输出、多控制目标的系统整体进行了数学建模。提出了适用于多节点、系统级仿真的换流器简化模型,分别讨论了各端电源、负载模型的简化方法,利用键图方法对六端树状直流电网进行了等效建模,并提取出其状态空间方程。最后根据电力系统的常规运行要求对直流电网的具体控制目标进行了数学提炼,写出控制问题的约束条件和指标函数,为进一步设计、优化协调控制器提供了基础。     

基于改进遗传算法的继电保护一体化图形 拼接厂站最优布局

继电保护整定计算在电力系统广泛采用分布式整定计算模式,在继电保护整定计算模型拼接中,图形拼接部分存在着接线混乱的问题。深入研究了一体化继电保护图形拼接的特点,结合厂站电压等级,提出了基于改进遗传算法的继电保护一体化图形拼接方法。为了提高图形拼接的效率,采用按电压等级分层寻优的方式确定最优厂站布局。最后通过实际算例验证了该方法的快速性及有效性。