Revisiting the Parallel Strategy for DOACROSS Loops

Journal of Computer Science and Technology - DOACROSS loops are significant parts in many important scientific and engineering applications, which are generally exploited pipeline/wave-front...     

基于多尺度双线性卷积神经网络的多角度下车型精细识别

针对多角度下车辆出现一定的尺度变化和形变导致很难被准确识别的问题，提出基于多尺度双线性卷积神经网络（MS-B-CNN）的车型精细识别模型。首先，对双线性卷积神经网络（B-CNN）算法进行改进，提出MS-B-CNN算法对不同卷积层的特征进行了多尺度融合，以提高特征表达能力；此外，还采用基于中心损失函数与Softmax损失函数联合学习的策略，在Softmax损失函数基础上分别对训练集每个类别在特征空间维护一个类中心，在训练过程中新增加样本时，网络会约束样本的分类中心距离，以提高多角度情况下的车型识别的能力。实验结果显示，该车型识别模型在CompCars数据集上的正确率达到了93.63%，验证了模型在多角度情况下的准确性和鲁棒性。     

间断级配粗粒土压实特性试验研究

岩土工程中常遇到级配不连续的粗粒土,这类间断级配粗粒土的压实特性尚不清楚。通过开展室内压实试验,探究了影响间断级配粗粒土压实特性的主要因素。试验发现,间断级配与连续级配料相比,缺少d₃₀以下的粒径不利于压实,缺少中间粒径反而可能有利于压实。其干密度随基准级配分形维数D的增加而增大,并且D=2.5~2.7时压实性最好;随细料含量的增加先增后减,而最优细料含量与粗、细料单独堆积密度以及粗细颗粒堆积过程中的相互干扰程度有关。据此建立了间断级配粗粒土压实干密度的预测模型,通过少量压实试验即可得获得干密度与细料含量的关系曲线,从而得到最优细料含量和满足干密度要求的细料含量区间,可以较大程度上减少试验工作量。     

考虑桩端土体加固效果的挤密砂石桩间距计算方法

若干砂性土地基上采用振动挤密砂石桩处理的工程实测资料表明,沉桩施工对桩端以下一定深度土体的加固效果也相当明显。考虑此影响,提出桩端加固影响深度的概念,并基于土颗粒体积在地基处理前后保持不变的前提对振动挤密砂石桩桩间距的理论计算公式进行推导。在已有研究的基础上,进一步提出同时考虑细颗粒含量影响,并用标准贯入击数表达的桩间距实用计算式,通过在实际工程的应用及与现有计算方法的比较,验证该计算方法的合理性。     

谈谈塑性图及其在我国的应用问题

本文讨论了在塑性图问题上我国专家们的两种意见,即细粒土不用塑性图按塑性指数单一指标分类,还是用塑性图按液限和塑性指数两个指标分类。分析了塑性图及其在我国应用中存在的问题。细粒土用塑性图分类是国际主流,在国家标准《土的分类标准》修订时,对是否将其列入的问题主张采取慎重态度。《土的分类标准》是岩土工程的基础性技术标准,影响很大,宜立足国内,面向广大工程技术人员,优先考虑采用我国工程界习惯采用的分类方法。     

电雷管中电极塞平行度检测方法

针对传统的小尺寸电雷管人工检测方式耗时耗力,容易带入人工误差等问题,提出一种电雷管中电极塞平行度检测方法.该方法通过设计平行检测装置结构,利用高精度位移传感器,通过其对位移数据的记录,检测电极塞的平行度,实现高精度、自动化检测产品平行度.实验结果表明:该装置能够实现自动化、高精度的平行度检测,检测的重复精度基本能够达到μ级,满足检测精度要求.     

网络监督数据下的细粒度图像识别综述

细粒度图像识别旨在对某一传统语义类别下细粒度级别的不同子类类别进行视觉识别,在智慧新经济和工业物联网等领域（如智慧城市、公共安全、生态保护、农业生产与安全保障）具有重要的科学意义和应用价值。细粒度图像识别在深度学习的助力下取得了长足进步,但其对大规模优质细粒度图像数据的依赖成为制约细粒度图像识别推广和普及的瓶颈。随着互联网和大数据的快速发展,网络监督图像数据作为免费的数据来源成为缓解深度学习对大数据依赖的可行解决方案,如何有效利用网络监督数据成为提升细粒度图像识别推广性和泛化性的热门课题。本文围绕细粒度图像识别主题,以网络监督数据下的细粒度识别为重点,先后对细粒度识别数据集、传统细粒度识别方法、网络监督下细粒度识别特点与方法进行介绍,并回顾了全球首届网络监督下的细粒度图像识别竞赛的相关情况及冠军解决方案。最后,在上述内容基础上总结和讨论了该领域的未来发展趋势。     

基于深度神经网络的弱监督信息细粒度图像识别

强监督识别算法需要大量的人工标注信息,消耗较多的人力物力资源。为了解决上述问题,满足实际需求,提出了两种基于弱监督信息图像识别方法用于细粒度图像分类(FGVC)。一种是联合残差网络和Inception网络,通过优化卷积神经网络的网络结构提高捕捉细粒度特征的能力。另一种是对双线性CNN模型进行改进,特征提取器选取Google提出的Inception-v3模组和Inception-v4模组,最后把不同的局部特征汇集起来进行分类。通过在CUB200-2011鸟类公开数据集和Stanford Cars汽车类型数据集上进行测试,实验结果表明,提出的方法在两种数据集上的分类精度分别到达了88.3%和94.2%的分类精度,实现了较好的分类性能。     

甘肃某铜矿选矿新药剂应用研究

甘肃某铜矿为单一含铜浸染状黄铁矿石,研究结果表明,部分呈单体解离状态的细粒级铜矿物和黄铜矿富连生体进入尾矿是导致铜矿物损失的主要原因。通过试验研究,在不改变现场生产流程的情况下,采用捕收能力较强的新型药剂D60为捕收剂,小型试验和矿浆样验证试验均取得了良好的技术指标,新药剂方案铜回收率较现场药剂方案铜回收率均提高1%以上,可有效提高铜回收率。      

一种面向微电网实时仿真的分块分层并行算法

微电网含有大量的高频功率开关和非线性元件,对电力系统实时仿真技术提出了很高的要求。为减轻逆矩阵法的存储压力,将整个网络分解成多个子网络,仅存储计算子网络状态变量和输出变量的各种参数。为降低子网络间约束方程的计算成本,利用其稀疏性的特点,提出了一种子网络分层合并的多端口等效方法。考虑FPGA硬件资源有限,设计了一种实现细粒度并行的专用运算组件。以2μs仿真步长在5SGSMD5芯片上实时仿真了一个低压微网系统,其仿真结果与商业离线仿真软件PSCAD结果一致,验证了所提方法的可行性和准确性。