基于粒子群算法的时序电路测试生成

本文论述了将粒子群算法应用在时序电路自动测试生成的研究结果。结合时序电路的特点,构造测试生成的粒子表达方式,建立自动测试生成离散粒子群速度-位置模型,通过群体中粒子间的合作与竞争产生的群体智能指导优化搜索。针对国际标准时序电路的验证结果表明,与同类算法相比,该算法可以获得较高的故障覆盖率和较小的测试矢量集。     

Generators by the quadratic exponential method

Based on the quadratic exponential method, this paper constructs two types of generators over finite field Fq, the digital quadratic exponential generator and quadratic exponential pseudorandom vector generator. We investigate the distribution of the sequence generated by the generators, and present results about their one dimensional discrepancy. The proofs are based on the estimate of certain character sum over Fq. Ift is the least period of the sequence and t≥q^1/2＋2c, then the bound of the discrepancy is O（t^-1/4q^1/8＋τ logq） for any ε 〉 0. It shows that the sequence is asymptotically uniformly distributed.     

基于动态概率攻击图的云环境攻击场景构建方法

针对复杂多步攻击检测问题,研究面向云计算环境的攻击场景构建方法.首先,构建了动态概率攻击图模型,设计了概率攻击图更新算法,使之能够随着时空的推移而周期性更新,从而适应弹性、动态性的云计算环境.其次,设计了攻击意图推断算法和最大概率攻击路径推断算法,解决了误报、漏报导致的攻击场景错误、断裂等不确定性问题,保证了攻击场景的...     

基于多尺度卷积神经网络的变压器故障诊断方法

为了提高变压器故障识别的诊断精度,提出一种基于多尺度卷积神经网络模型的变压器故障诊断方法。首先,在1DCNN结构基础上设计2个多尺度卷积模块,构造变压器故障识别模型的总体结构。其次,针对样本特征较少问题,采用基于比值法的特征扩充方法,将样本特征由5维增强至25维;针对故障样本量少以及故障间样本数分布不平衡问题,采用基于对抗生成网络的样本数增强方法,生成大量模拟样本。最后,利用改造后的数据集对所设计的模型进行训练与测试。结果表明,模型平均准确率为93.24%,与相关主流方法在不同数据集下实验对比,本模型表现效果良好。     

一种求解TSP问题的新型遗传算法

TSP问题是一个典型的NP问题,虽然传统遗传算法可以较好的解决此类问题,但是依然存在早熟、收敛速度慢,收敛精度不够等问题.本文分别在种群初始化、交叉、变异3个阶段对算法进行优化,通过多样式的初始化,交叉、变异方法较大的提升了算法的性能.实验结果表明,改进遗传算法在收敛精度和收敛速度上均优于传统遗传算法.     

泰国大象博物馆

建筑里面溜大象,这场面还真没见过,这个神奇的建筑就是今天我们要为大家介绍的,来自泰国独立建筑设计事务所于2020年近期完成的——大象博物馆. 这个博物馆位于泰国,总面积约为5400m2,该建筑是当地政府计划建设的大象世界中的一部分,与其他博物馆不同,这个博物馆不仅仅要展示藏品,还要展现当地超过200只大象的生活场景.     

改进YOLOX-S模型的施工场景目标检测

现有YOLOX-S模型在施工环境干扰下目标检测平均精准率（AP）偏低,不能较好满足实际应用需要。针对上述问题,从引入结构重参数化模块、引入卷积注意力模块、引入AdamW优化算法三方面对YOLOX-S模型进行改进。首先,利用RepVGGBlock解耦训练阶段与测试阶段的模型结构,在训练阶段模型的Backbone与Neck中构建更多残差结构,提高模型的特征提取能力。其次,利用LKA模块提取局部特征信息与长距离依赖关系,为后续计算目标边界框位置与大小提供更加有效的注意力指引,提升检测平均精准率。然后,使用AdamW优化算法替代Adam优化算法更新模型参数,进一步改良模型收敛结果,提升模型泛化能力。最后,在建筑工地运动目标数据集（MOCS）上进行实验,结果表明,改进YOLOX-S模型检测所有目标的平均精准率提升3.3个百分点,检测大目标、中目标、小目标的平均精准率分别提升3.2、2.3、2.2个百分点。同时,改进YOLOX-S模型计算代价未明显增加,可在实时运行的同时更好满足施工场景下对目标检测平均精准率的需要。     

无监督学习的车辆重识别方法研究综述

车辆重识别作为智能交通系统的关键技术之一,旨在从不同监控场景下识别同一车辆,对构建平安智慧城市起着重要作用。随着计算机视觉技术的不断发展,使用监督学习的重识别方法存在训练过程对人工标注依赖强、场景泛化能力弱的问题,因此无监督学习的车辆重识别逐渐成为近年来研究的重点。首先,介绍了当前主流的车辆重识别数据集以及常用的模型评价指标。然后,系统梳理了近几年基于无监督学习的车辆重识别方法,根据目前的研究思路将这些方法归纳为生成对抗网络和聚类算法两大类;从域偏差、跨视域偏差以及数据样本信息不足的问题出发,将前者进一步分为风格转换、多视角生成和数据增强三类;又针对标签的问题,将后者分为伪标签的无监督域适应和无需标签信息两类;以解决问题为着手点,总结出每类方法的基本原理、优缺点以及在主流数据集上的性能结果。最后,讨论分析了目前无监督学习的车辆重识别所面临的挑战,并对该研究方向的未来工作进行展望。     

低气压条件下甲烷预混燃烧CO和NO生成机理研究

为研究低气压条件对甲烷预混燃烧中CO和NO_x生成特性与生成路径的影响,采用Chemkin软件进行详细数值模拟研究。通过采用Python语言自编程序调用最新光谱数据计算普朗克平均吸收系数,并导入Chemkin软件中来提升辐射传热的计算精准度。结果表明：采用Konnov0.6化学反应机理与所提出的辐射模型中普朗克平均吸收系数计算方法可以准确预测低气压条件下甲烷燃烧的温度、NO和OH质量浓度分布;随着气压的降低,甲烷与空气预混燃烧时炉膛前部温度逐渐降低,而炉膛后部温度逐渐增加;气压降低导致CO生成速率增加和消耗速率减小,两者共同作用导致CO生成量增加和燃尽率降低;甲烷与空气预混燃烧生成的NO主要来自快速型和NNH型,且快速型和NNH型路径的贡献随着气压降低略有增加。     

外源GABA联合超声处理发芽绿豆淀粉的结构特性及血糖指标变化

研究外源γ-氨基丁酸（γ-Aminobutyric Acid,GABA）联合超声处理绿豆淀粉结构特性及血糖指标变化影响,获得低GI值绿豆淀粉制品,该文以不同萌发时间的绿豆淀粉为研究对象,通过扫描电镜、X-射线衍射、傅里叶红外光谱等分析方法,探讨外源GABA协同超声处理对绿豆淀粉萌发过程中结构特性和血糖指标影响。结果表明,处理后,绿豆中总淀粉含量从52.13%下降到发芽96 h的21.18%;发芽12 h时,抗性淀粉含量达到70.65%。发芽后绿豆淀粉颗粒形貌无显著变化。发芽后绿豆淀粉的相对结晶度由39.64%下降到96 h的12.72%,但发芽处理并未改变绿豆淀粉的结晶类型。发芽处理后绿豆淀粉没有产生新的基团,但淀粉晶体结构的有序性降低。发芽后绿豆淀粉的凝沉性增强,其抗消化能力也增强,在发芽12 h时,发芽绿豆淀粉的估计血糖生成指数达到了22.52,相较于未处理时的27.13,可起到减缓血糖升高的作用。外源GABA联合超声处理降低了总淀粉含量,提高了抗性淀粉含量,使绿豆淀粉的消化特性发生了显著变化,为其在功能食品中的应用提供了理论依据。