废气蓄热式热氧化炉装置的安全优化

分析近年来RTO装置发生的安全事故,找出了该类环保装置存在的安全风险,并在储罐与污水池废气分类处理、在线废气浓度检测仪与废气切断阀的位置设置、新风稀释及风机控制、阻火器与爆破片、操作压力、储罐呼吸阀后采用非接触废气罩收集、风机材质等方面提出了建议。     

基于层次化语义框架的知识库属性映射方法

面向知识库的自动问答是自然语言处理的一项重要任务,其旨在对用户提出的自然语言形式问题给出精练、准确的回复。目前由于缺少数据集,存在特征不一致等因素,导致难以使用通用的数据和方法实现领域知识库问答。因此,该文将“问题意图”视作不同领域问答可能存在的共同特征,将“问题”与三元组知识库中“关系谓词”的映射过程作为问答核心工作。为了考虑多种层次的语义并避免重要信息的损失,该文分别将“基于门控卷积的深层语义”和“基于交互注意力机制的浅层语义”通过门控感知机制相融合。在NLPCC-ICCPOL 2016 KBQA数据集上的实验表明,该文方法与现有的CDSSM和BDSSM方法相比,效能有明显提升。此外,该文通过构造天文常识知识库,将问题与关系谓词映射模型移植到特定领域,结合Bi-LSTM-CRF模型构建了天文常识自动问答系统。     

面粉厂车间楼定向倾倒爆破

该楼体为框架结构,是车间楼和办公楼的结合体,由于加工面粉设备流程的需要,该楼同时承受动荷载和静荷载。楼体按照伸缩缝分为3部分,每部分的结构不相同,同部分不同层结构也各异。在爆破过程中严格控制各种参数,并采取有效的减振与防护措施,使此爆破工程在安全和质量上都达到了预期效果。     

基于阶段注意力机制的电力线提取算法

电力系统维护是电力系统稳定运行的重要保障，应用智能算法的无人机电力巡检则为电力系统维护提供便捷。电力线提取是自主电力巡检以及保障飞行器低空飞行安全的关键技术，结合深度学习理论进行电力线提取是电力巡检的重要突破点。本文将深度学习方法用于电力线提取任务，结合电力线图像特点嵌入改进的图像输入策略和注意力模块，提出一种基于阶段注意力机制的电力线提取模型（SA-Unet）。本文提出的SA-Unet模型编码阶段采用阶段输入融合策略（Stage input fusion strategy， SIFS），充分利用图像的多尺度信息减少空间位置信息丢失。解码阶段通过嵌入阶段注意力模块（Stage attention module，SAM）聚焦电力线特征，从大量信息中快速筛选出高价值信息。实验结果表明，该方法在复杂背景的多场景中具有良好的性能。     

LPNN-based approach for LASSO problem via a sequence of regularized minimizations

In compressive sampling theory, the least absolute shrinkage and selection operator (LASSO) is a representative problem. Nevertheless, the non-differentiable constraint impedes the use of Lagrange programming neural networks (LPNNs). We present in this article the -LPNN model, a novel algorithm that tackles the LASSO minimization together with the underlying theory support. First, we design a sequence of smooth constrained optimization problems, by introducing a convenient differentiable approximation to the non-differentiable -norm constraint. Next, we prove that the optimal solutions of the regularized intermediate problems converge to the optimal sparse signal for the LASSO. Then, for every regularized problem from the sequence, the -LPNN dynamic model is derived, and the asymptotic stability of its equilibrium state is established as well. Finally, numerical simulations are carried out to compare the performance of the proposed -LPNN algorithm with both the LASSO-LPNN model and a standard digital method.     

斑衣蜡蝉在葡萄上的危害及防治措施

斑衣蜡蝉是一种危害多种林木和果树的重要刺吸性害虫,主要分布于中国、日本、越南、韩国、印度和美国等地。该虫在经济林木中最喜危害葡萄,目前在宁夏地区随着转换寄主,现已扩散到了部分葡萄园,成为贺兰山东麓酿酒葡萄的重要虫害之一。为全面了解其研究进展,本文概述了国内外关于斑衣蜡蝉的寄主植物、形态特征、危害状况、发生规律、生活习性、诱发因素及防治措施等研究现状,以期为防治该虫,寻求进一步研究方向及探讨新的防治途径提供帮助。     

食用槟榔货架期内品质控制研究

目的：探究食用槟榔返卤返白的原因。方法：主要通过搜集2000—2020年涉及食用槟榔卤水专利，以及相关工厂案例进行研究与分析。结果：在食用槟榔卤水的制备过程中原料的粒径大小、环境温度与湿度的高低、样品中水分含量及设备的自动化程度均可能造成食用槟榔返卤返白。结论：加工槟榔时应采取以严格控制水分、复配添加剂使用为主，工艺包装调整为辅,给予低温贮藏市售环境的方法，抑制返卤返白的产生。     

物联网中基于Multi-Agent的物间动态关系发现

物联网中存在大量异构关系的实体，其信息间的交互造成了物联网的内在矛盾。针对这一问题，提出将物联网中实体抽象化为对应的Agent，并以个体人为中心，利用本体的语义匹配及改进的物间动态关系计算方法，计算出针对个体人的物间动态关系；将原本异构的实体关系转化为Agent间基于动态关系紧密度排序的网络关系。经实验验证，该方法构建的关系网络可明显改善异构实体间交互的矛盾，而且相比原有类似方法，该方法解决问题的准确率和误差率均有改善，说明了该方法的准确性和可行性。     

基于分段加权的反向稀疏跟踪算法研究

为提高稀疏表示跟踪模型性能，提出一种分段加权的反向稀疏跟踪算法，将跟踪问题转化为在贝叶斯框架下寻找概率最高的候选对象问题，构造不同的分段权重函数来分别度量候选目标与正负模板的判别特征系数。通过池化来降低跟踪结果的不确定性干扰，选择正负模板加权系数差值最大的候选表示作为跟踪结果。实验表明，在光照变化、遮挡、快速运动、运动模糊情况下，所提出的算法可以确保跟踪结果的准确性和鲁棒性。