基于ZigBee的高压开关柜无线测温系统的设计

根据高压开关柜的特点,分析了现有的测温技术所存在的缺陷,提出了以ZigBee无线传输技术为基础的高压开关柜无线测温系统的设计方案。并对温度采集、数据传输、数据处理、超限报警模块提出了具体的软硬件设计优化方案。该系统能对高压开关柜工作过程中触头温度进行全程监控,信号采集稳定,测温仪与无线温度监测点、上位机相互通信状况良好,能够确保高压开关柜更好的稳定运行和统一的监测站管理。     

面向图像识别的测地局部典型相关分析方法

典型相关分析(CCA)是一种经典的多模态特征学习方法,能够从不同模态同时学习相关性最大的低维特征,然而难以发现隐藏在样本空间中的非线性流形结构。该文提出一种基于测地流形的多模态特征学习方法,即测地局部典型相关分析(GeoLCCA)。该方法利用测地距离构建了低维相关特征的测地散布,并进一步通过最大化模态间的相关性和最小化模态内的测地散布学习更具鉴别力的非线性相关特征。该文不仅在理论上对提出的方法进行了分析,而且在真实的图像数据集上验证了方法的有效性。     

无速度传感器永磁同步电机直接转矩控制系统仿真研究

主要分析了无速度传感器的直接转矩控制,采用了基于定子磁链的矢量角和转子磁链的矢量角的两种速度估计方法.仿真结果表明,当电机稳步运行时,两种估算方法都能准确的估算转速.然而,基于转子磁链矢量角的速度估计算法较能使电机的在动态过程中稳定运行,并具有良好的精度.仿真结果也验证了文中采用的转速观测算法的正确性和可行性.     

基于BERT和CNN的基因剪接位点识别

随着高通量测序技术的发展，海量的基因组序列数据为了解基因组的结构提供了数据基础。剪接位点识别是基因组学研究的重要环节，在基因发现和确定基因结构方面发挥着重要作用，且有利于理解基因性状的表达。针对现有模型对脱氧核糖核酸（DNA）序列高维特征提取能力不足的问题，构建了由BERT(Bidirectional Encoder Representations from Transformer)和平行的卷积神经网络（CNN）组合而成的剪接位点预测模型——BERT-splice。首先，采用BERT预训练方法训练DNA语言模型，从而提取DNA序列的上下文动态关联特征，并且使用高维矩阵映射DNA序列特征；其次，采用人类参考基因组序列hg19数据，使用DNA语言模型将该数据映射为高维矩阵后作为平行CNN分类器的输入进行再训练；最后，在上述基础上构建了剪接位点预测模型。实验结果表明，BERT-splice模型在DNA剪接位点供体集上的预测准确率为96.55%，在受体集上的准确率为95.80%，相较于BERT与循环卷积神经网络（RCNN）构建的预测模型BERT-RCNN分别提高了1.55%和1.72%；同时，...