深度元学习在无人驾驶中的应用前景

在无人驾驶发展的初期,科学家们依靠数学方法与计算机视觉领域的相关技术创造出无人驾驶算法,其性能和安全性都不是很理想。近年来,随着深度学习的不断发展,无人驾驶领域出现了越来越多与深度学习相关的优秀算法。与传统算法相比,与深度学习相结合的无人驾驶算法有着更为优秀的性能,无人驾驶技术也随着深度学习的发展不断向商用化推进,其中具有代表性的产品即为近年来美国特斯拉公司生产的车辆,其拥有较为完善的辅助驾驶系统,可以将其看作一款非常典型的无人驾驶产品。本文将从目标检测以及目标跟踪两个领域分析深度元学习在无人驾驶领域中的应用前景。     

基于1D CNN与XGBoost的恶意代码纹理检测

恶意代码数量已经呈现爆炸式增长,对于恶意代码的检测防护显得尤为重要.近几年,基于深度学习的恶意代码检测方法开始出现,基于此,提出一种新的检测方法,将恶意代码二进制文件转化为十进制数组,并利用一维卷积神经网络(1 Dimention Convolutional Neural Networks,1D CNN)对数组进行分类和识别.针对代码家族之间数量不平衡的现象,该算法选择在分类预测上表现良好的XGBoost,并对Vision Research Lab中的25个不同恶意软件家族的9458个恶意软件样本进行了实验.实验结果表明,所提的方法分类预测精度达到了97％.     

利伐沙班的定量检测:拉曼光谱法与远红外吸收光谱法

利伐沙班是一种新型口服抗凝药，它具有疗效确切、安全性好、使用方便等优点，所以经常用于静脉血栓栓塞性疾病的预防与治疗，以及非瓣膜性房颤的卒中预防。由于利伐沙班在患者体内的浓度会影响其对凝血因子Xa的抑制作用，这导致患者的临床反应有个体差异，影响最终治疗效果。为了更加合理地使用利伐沙班，临床上需要监测人体血液或尿液中利伐沙班的浓度。针对该临床需求，文中基于远红外指纹谱和拉曼特征谱在物质有效识别和定量分析的优势，采用傅里叶变换红外光谱仪和激光共聚焦拉曼光谱系统，针对液体状态下利伐沙班进行识别并定量检测。文中先通过傅里叶变换红外光谱仪检测利伐沙班的远红外吸收谱随其浓度发生的变化，再通过激光共聚焦拉曼光谱系统检测了利伐沙班的拉曼光谱随其浓度发生的变化，最后比较了远红外光谱法与拉曼法的准确率。经过比较，远红外检测的精度比拉曼光谱检测的精度提升2倍。这些结果对临床医学中利伐沙班的使用具有重要意义。     

安徽某高硫铁矿石工艺矿物学研究

安徽某高硫铁矿选厂采用阶段磨矿—浮选—弱磁选—强磁选—重选的工艺流程回收硫、铁，存在铁精矿含硫高，伴生元素铜未能得到较好的回收等问题。为得到合格的铁精矿产品，并充分回收该矿伴生的硫，通过偏光显微镜、化学分析、MLA 等多种分析测试手段对该高硫铁矿石进行了详细的工艺矿物学分析。结果表明：矿石主要有用铁矿物为磁铁矿和赤铁矿，含量分别为 35.38% 和 11.02%，含硫矿物主要为黄铁矿，含量为 6.72%；磁铁矿多呈斑状形式产出，局部被脉石沿裂隙充填，赤铁矿大多交代磁铁矿形成假象矿，具交代残余结构；有用铁矿物磁铁矿的嵌布粒度较粗，主要分布在+0.07 mm 粒级，分布率为 63.39%，赤铁矿主要呈细粒分布；Fe 主要赋存在磁铁矿中，分布率为 66.27%，其次分布在赤铁矿中，分布率为 19.85%；S 元素则主要分布在黄铁矿和硬石膏中，分布率分别为 56.58% 和 42.79%。根据工艺矿物学研究结果，磁铁矿和赤铁矿是回收的主要目的矿物，要想获得较好的铁精矿品位和回收率，对弱磁尾矿应该进行进一步细磨，同时也要防止过磨导致泥化。磁铁精矿中的硫主要分布在硫酸盐矿物石膏中，在磁选过程中夹杂进入铁精矿中，导致铁精矿中含硫超标，因此建议采用淘洗机对现场二磁精矿进行提铁降硫。     

食用油包装现状及质量检测的探讨

目前,国内食用油市场普遍采用塑料桶装运。各大超市出售的花生油、菜籽油、豆油、色拉油等几乎都是用塑料桶包装的。非常规油脂,例如昂贵的橄榄油,被装在玻璃或金属罐里,而塑料罐子则通常用皮特制造。由于玻璃陶瓷容器易碎,不易运输,建议罐装铁质。文章通过大量的检测数据,对目前瓶装食用油质量状况进行了初步分析,表明不同厂家食用油的瓶装质量实际存在差异,并指出了目前瓶装食用油存在的问题,为我国食用油包装标准的进一步完善提供参考。     

一种基于SVD的改进LTS气动数据异常检测方法

用稳健的最小截平方和(LTS)估计检测气动数据中的异常,但气动数据是海量和高维的,使得LTS要求解的矩阵维数很大,造成巨大的时空开销.为此,引入迭代的奇异值分解(ISVD)求解LTS的最小二乘问题,实现更快的异常检测.实证分析采用某飞行器外形数据,分别运用OLS,FastLTS以及ISVD-FastLTS对数据集进行异常检测和对比分析.实验证明,相比于传统方法,ISVD-FastLTS能更加快速且准确地识别异常值.     

基于MARG传感器的长跑上肢姿态检测算法设计

随着可穿戴设备在运动健康领域的广泛应用,针对长跑运动姿态分析方面,本文基于四元数的乘性扩展卡尔曼滤波算法(MEKF)进行改进,利用MARG传感器采集长跑运动中的上身姿态,进一步完善了仅从足部姿态判断跑姿的方法。经实验分析,与一般方法相比,该算法提高了针对长跑姿态的检测精度,并且对错误的姿势动作给予矫正建议。     

变压器内部故障在线检测方法仿真及误差分析

为研究变压器内部故障在线检测方法的有效性及抗干扰性,搭建实际变压器的非线性三维有限元模型.对变压器常见几种类型的内部故障进行详细的结构仿真,通过"场-路耦合法"构建各类型故障的ΔV-I1轨迹.同时,通过对正常绕组的测量信号设置一定的误差,构建了考虑测量误差时的误差轨迹.在此基础上,将正常时的标准轨迹、误差轨迹和各种类型的故障轨迹进行对比分析,通过对ΔV-I1轨迹特征差异的定性分析与定量计算,验证该方法在实际应用中的有效性,总结判断各类型故障的规则,同时针对测量误差所造成的干扰提出了建议.     

基于声发射原理的矿井掘进机故障诊断技术研究

针对在我国各大矿区广泛应用的EBZ160悬臂式掘进机,基于声发射原理及技术,设计一套掘进机故障诊断声发射检测系统,获得各种故障的声发射数据样本,同时借助小波神经网络的迭代收敛性质,对故障数据样本的精确度进行验证,正确率较高,能够较好地应用于井下掘进机的故障诊断.