基才C#和OPC技术实现对矿井环境的检测

为了实现对矿井工作环境的检测,基于C#和OPC技术提出了一种对矿井环境进行检测的一种设计方案。该设计以SIMATICNETOPC作为服务器,对S7—400H与OPCSERVER进行连接配置,采用高级编程语言C#编程使OPC客户程序与OPCSERVER进行数据读写操作,从而在上位机上达到数据监测、数据存储及预警处理的目的。     

细胞中力信号的传递途径和机制

为了进一步了解细胞力学,综述了细胞中力信号的传递途径有物理传导、力感受器、机械力敏感离子通道及其他力信号传导途径.其中详细叙述了在内皮细胞与非内皮细胞上均存在机械力敏感性离子通道,这些调节离子转运的通道可能在细胞感受机械力并将其转变为生化信号中发挥重要作用.在此基础上提出了其传导机制可能有配体和受体、结构改变、血小板在凝血中的机制等.受体和配体分子之间的结合具有特异性和可逆性,可通过粘附概率和接触时间的相关性求得动力学参数.     

基于L-ISOMAP流形的癫痫数据降维可视化方法

针对癫痫病人采集的EEG信号数据维数过高和含有复杂的非线性特征的问题,以及脑医学领域数据标注的成本较高的现状,研究了不同的无监督流形降维方法,并且在公开的癫痫集上对比了13种主流及较新的流形降维算法降维后在低维坐标空间的聚类效果.实验结果表明,与目前主流的其它流形及降维方法相比,基于L-ISOMAP得到的数据点在低维空间的分布有很好的聚类表现,不同类别的数据分界明显.当样本大小不同时,降维后的数据分布在可视化图中仍有一定的规律性,可视化效果明显优于其它的降维方法.     

顾客每购买一台电脑，宏碁向灾区捐献50元

5月12日14点30分,在网站看到四川发生大地震的报道后,宏碁公司立刻成立了抗震救灾指挥小组,组长是中国区的总经理赖泰岳总经理。指挥小组在很短的时间内就作出了向灾区捐款的决定。随后的几天里,宏碁在公司内部进行一个内部员工的捐款,虽然宏碁在中国的人数只有两百多,但第一天就募集了10多万的捐款。与此同时,还号召宏碁在全国各地的合作伙     

基于L-ISOMAP流形的癫痫数据降维可视化方法

针对癫痫病人采集的EEG信号数据维数过高和含有复杂的非线性特征的问题,以及脑医学领域数据标注的成本较高的现状,研究了不同的无监督流形降维方法,并且在公开的癫痫集上对比了13种主流及较新的流形降维算法降维后在低维坐标空间的聚类效果.实验结果表明,与目前主流的其它流形及降维方法相比,基于L-ISOMAP得到的数据点在低维空间的分布有很好的聚类表现,不同类别的数据分界明显.当样本大小不同时,降维后的数据分布在可视化图中仍有一定的规律性,可视化效果明显优于其它的降维方法.     

Ni和Al2O3间相互作用的调变对Ni/Al2O3在甲烷裂解过程中催化性能的影响

研究了Cu和ZnO对Ni/Al2O3在甲烷裂解过程中的调变作用和对其活性和稳定性的影响.TPR过程表明,ZnO或Cu的加入可以降低NiO与Al2O3之间的相互作用,使体系中NiO的还原温度明显降低.XPS研究也表明,ZnO或Cu的加入可以降低Ni的结合能,减弱了Ni与Al2O3之间的相互作用.     

基于注意力感知和语义感知的RGB-D室内图像语义分割算法

近年来,全卷积神经网络有效提升了语义分割任务的准确率.然而,由于室内环境的复杂性,室内场景语义分割仍然是一个具有挑战性的问题.随着深度传感器的出现,人们开始考虑利用深度信息提升语义分割效果.以往的研究大多简单地使用等权值的拼接或求和操作来融合RGB特征和深度特征,未能充分利用RGB特征与深度特征之间的互补信息.本文提出一种基于注意力感知和语义感知的网络模型ASNet(Attention-aware and Semantic-aware Network).通过引入注意力感知多模态融合模块和语义感知多模态融合模块,有效地融合多层次的RGB特征和深度特征.其中,在注意力感知多模态融合模块中,本文设计了一种跨模态注意力机制,RGB特征和深度特征利用互补信息相互指导和优化,从而提取富含空间位置信息的特征表示.另外,语义感知多模态融合模块通过整合语义相关的RGB特征通道和深度特征通道,建模多模态特征之间的语义依赖关系,提取更精确的语义特征表示.本文将这两个多模态融合模块整合到一个带有跳跃连接的双分支编码-解码网络模型中.同时,网络在训练时采用深层监督策略,在多个解码层上进行监督学习.在公开数据集上的实验结果表明,本文算法优于现有的RGB-D图像语义分割算法,在平均精度和平均交并比上分别比近期算法提高了1.9%和1.2%.     

基于判别性区域提取的视频人体动作识别方法

针对全局特征描述过分依赖精确定位、背景减除和跟踪技术等问题,同时也为了解决视角变化、噪声和遮挡等干扰带来的影响,对基于局部特征描述的视频人体动作识别方法进行了研究,提出了一种基于判别性区域提取的视频人体动作识别方法.首先通过迭代训练和筛选过程对视频的内容进行分析和学习,自动提取视频中有代表性和区分性的判别性区域,然后使用词袋模型对提取到的判别性区域进行统计和描述,最后采用支持向量机方法确定人体运动的类型.在KTH和Youtube数据集上分别对提出的方法进行了论证,结果表明:该方法具有较高的识别准确率,同时对复杂背景等干扰不敏感.     

关于收敛级数的重排

本文讨论绝对收敛和条件收敛的级数重排性质上的差异。     

基于小波域的深度残差网络图像超分辨率算法

单幅图像超分辨率（SISR）是指从一张低分辨率图像重建高分辨率图像.传统的神经网络方法通常在图像的空间域进行超分辨率重构，但这些方法常在重构过程中忽略重要的细节.鉴于小波变换能够将图像内容的"粗略"和"细节"特征进行分离，提出一种基于小波域的深度残差网络（DRWSR）.不同于其他传统的卷积神经网络直接推导高分辨率图像（HR），该方法采用多阶段学习策略，首先推理出高分辨率图像对应的小波系数，然后重建超分辨率图像（SR）.为了获取更多的信息，该方法采用一种残差嵌套残差的灵活可扩展的深度神经网络.此外，提出的神经网络模型采用结合图像空域与小波域的损失函数进行优化求解.所提出的方法在Set5、Set14、BSD100、Urban100等数据集上进行实验，实验结果表明，该方法的视觉效果和峰值信噪比（PSNR）均优于相关的图像超分辨率方法.