基于张量计算的卷积神经网络语义表示学习

卷积神经网络已在多个领域取得了优异的性能表现,然而由于其不透明的内部状态,其可解释性依然面临很大的挑战.其中一个原因是卷积神经网络以像素级特征为输入,逐层地抽取高级别特征,然而这些高层特征依然十分抽象,人类不能直观理解.为了解决这一问题,我们需要表征出网络中隐藏的人类可理解的语义概念.本文通过预先定义语义概念数据集(例如红色、条纹、斑点、狗),得到这些语义在网络某一层的特征图,将这些特征图作为数据,训练一个张量分类器.我们将与分界面正交的张量称为语义激活张量(Semantic Activation Tensors,SATs),每个SAT都指向对应的语义概念.相对于向量分类器,张量分类器可以保留张量数据的原始结构.在卷积网络中,每个特征图中都包含了位置信息和通道信息,如果将其简单地展开成向量形式,这会破坏其结构信息,导致最终分类精度的降低.本文使用SAT与网络梯度的内积来量化语义对分类结果的重要程度,此方法称为TSAT(Testing with SATs).例如,条纹对斑马的预测结果有多大影响.本文以图像分类网络作为解释对象,数据集选取Image Net,在Res Net50和Incep...     

数据中心工程的验证测试和典型高风险问题应对

本文介绍了数据中心验证测试的流程,对验证测试中发现的问题按照风险等级以及建设阶段进行分类,并结合公司近年来承接的数据中心项目的测试验证所提出的问题,对各专业的典型高风险问题进行了归纳总结,提出了相应的应对措施,为类似的工程履约提供借鉴和参考.     

地铁低压配电系统一次受电施工技术

本文以地铁车站低压配电系统一次受电为例,针对地铁车站设备受电过程中人员及设备的安全问题,介绍了电缆绝缘测试阶段施工技术要点、申请送电流程、班前送电交底、仪表及安全设备检查、执行规定及程序等主要施工技术,为地铁设备送电、后续设备调试、试运营提供必备条件.     

基于U-Net改进的太阳暗条自动检测

提出一种基于改进后的U-Net深度学习网络进行自动识别Hα全日面太阳图像中的太阳暗条方法.这种方法不仅可以准确识别暗条,而且可以最大限度地减少太阳图像噪声的影响.首先,建立一个原始暗条数据集,由深度学习所需的数万张图像组成;其次,使用改进后的U-Net深度卷积网络开发一种用于太阳暗条识别的自动化方法.为了验证该方法的性能,使用一个包含50对手动校正的Hα全日面图像的数据集进行测试,这些图像是从2013年大熊湖太阳天文台/全日面Hα望远镜(BBSO/FDHA)获得的.经过交叉验证,结果表明该技术可以有效地识别全日面Hα图像中的暗条.     

一种基于深度学习的智能威胁评估算法

在现代信息化战争中依据战场态势变化进行合理威胁评估，对实现指挥系统自动化具有重要意义。为了克服传统规则算法评估能力的局限，设计了一种基于深度学习的新型智能威胁评估算法。首先设定了防空威胁评估指标选取原则，在此基础上从多个不同角度出发建立了反映空中目标威胁的指标体系，然后构建深度神经网络模型予以解决。新算法的优点在于威胁评估快速可信、易于实现，且对于不断变化的空情威胁可进行持续更新优化。最后，通过典型作战场景的仿真数据验证了模型的有效性和可行性。     

岳纸PM8 Optisizer生产实践

Optisizer在生产实践过程中的维护和操作控制关系到其是否正常稳定运行,本文主要介绍了施胶辊更换后的调试和断纸后的操作注意事项,以及运行过程中存在的亮线问题的一些探讨。     

大功率远距离强声广播系统的主客观指标分析

大功率远距离强声广播系统(Long-range acoustic broadcast system,LRABS)主要用于大范围的广播、宣传及安防工作.对此,主要分析比较强声广播系统的指标体系和主观客观测试方法.     

变分自编码器模型综述

变分自编码器（VAE）作为深度隐空间生成模型的一种，近年来其表现性能取得了极大的成功，尤其是在图像生成方面。变分自编码器模型作为无监督式特征学习的重要工具之一，可以通过学习隐编码空间与数据生成空间的特征映射，进而在输出端重构生成输入数据。梳理了传统变分自编码器模型及其衍生变体模型的发展与研究现状，并就此做了总结和对比，最后分析了变分自编码器模型存在的问题与挑战，并就可能的发展趋势做了展望。