智能小区单元门密码控制系统的研究与实现

介绍小区智能管理系统中的密码控制模块的设计过程，该模块能完成数据处理和网络通信等功能，具有良好的可移植性，能根据需要进行功能扩展。要求既能独立工作，又能作为整个系统工程的一部分，还要能扩展密码系统的通信接口与主机进行数据传输。系统采用了单片机来实现。     

土壤固化类材料及其应用

综述了土壤固化剂的应用现状及其分类与加固机理,并总结出现阶段固化剂应用所存在的问题,提出了应开发基于土体细观结构不扰动加固技术。     

改进YOLOv5的遥感图像目标检测算法

针对遥感图像中背景复杂度高、目标尺寸多样和小目标存在过多所导致的目标检测精度较低的问题,提出一种改进YOLOv5的遥感图像目标检测算法。该算法在主干网络引入通道-全局注意力机制（CGAM）以增强对不同尺度目标的特征提取能力和抑制冗余信息的干扰。引入密集上采样卷积（DUC）模块扩张低分辨率卷积特征图,有效增强不同卷积特征图的融合效果。将改进算法应用于公开遥感数据集RSOD中,改进YOLOv5算法平均精度AP值达到78.5%,较原算法提升了3.1个百分点。实验结果证明,改进后的算法能有效提高遥感图像目标检测精度。     

土壤固化类材料及其应用

综述了土壤固化剂的应用现状及其分类与加固机理,并总结出现阶段固化剂应用所存在的问题,提出了应开发基于土体细观结构不扰动加固技术.     

基于FG_DRFwFm模型的深度推荐

近年来随着深度学习在多个领域取得了不错的效果,深度学习也开始应用在推荐系统,例如利用深度学习技术来捕捉高阶特征交互的NFM模型和DeepFM模型等.然而考虑到外部环境和内部感知的变化,用户的兴趣也应该随着时间动态的变化,且基于原始特征进行组合不一定能学到有效特征交互.为此尝试构建一种新的模型FG_DRFwFm,该模型能学习多特征域低阶与高阶特征交互与处理用户长期兴趣变化,并且训练特征是根据原始特征构建出新特征并拼接后组成的,能更好地学习有效特征交互.最后该模型在MovieLens数据集上与多个先进的CTR算法进行推荐效果对比验证,实验结果证明提出的模型取得了更好的效果.     

多层结合的多阶显式交互的融合推荐模型

现有不少模型着眼于对有限数据通过生成显式特征交互以进行挖掘来提升点击率预测效果,但存在以下问题：对于原特征与新生成的显式特征,直接一起输入到一个统一的神经网络结构进行挖掘然后输出,由于两者参数量差别较大导致在表征上差异巨大;同时如果直接采用多级层数的神经网络结构还会导致低层,如第一层、第二层信息的丢失,但若直接将各层进行累加以结合,则一些层中有用性有限的信息可能成为噪声以影响预测。为此设计多层权重结合的多阶显式交互的融合推荐模型,通过将原数据与生成的多阶显式特征分别放入各自对应的自注意力层中挖掘,其中各自对应结构的层数不同,同时对各层进行加权后输出以完成多层的结合,以提高点击率预测效果。通过在两个公开数据集上与多个不同模型进行比较分析,并对模型进行消融对比实验和超参数对比,证明了该模型能有效挖掘原特征与显式交互特征信息,平衡各阶特征表征能力。     

融合注意力机制和空洞卷积的滑坡图像检测

滑坡区域图像检测与识别在灾害范围识别、灾情数据分析和防灾减灾中具有丰富的应用和研究价值。本文针对滑坡图像滑坡体形状纹理的多样性,以及滑坡目标区域检测识别效果不够理想的问题,提出一种注意力机制CBAM与空洞卷积结合的目标检测方法。在传统的目标检测算法Faster R-CNN的基础上,将注意力机制模型添加到卷积神经网络层,通过空间注意力与通道注意力结合的CBAM模型来进行滑坡图像特征的提取,增加空洞卷积模块来加大感受野区域,提高神经网络对遥感图像区域中的滑坡目标识别、尺寸不规范等特点的学习能力,从而进一步提升滑坡目标区域的检测精度。实验结果表明,在传统的目标检测算法的基础上采用两者结合的方式进行检测,可提升滑坡遥感图像上目标检测的召回率和精确率,具有一定的有效性和鲁棒性。     

空中机动目标参数估计优化方法仿真

研究空中机动目标参数估计优化方法.在进行被动式空中机动目标跟踪过程中,由于空中环境干扰较大且机动目标信号具有一定的隐蔽性、多样性,采用传统的算法进行目标参数估计,跟踪的精确度不高,严重影响跟踪效果.为此,提出基于改进非线性最小二乘的空中机动目标参数估计优化方法.针对机动目标相关参数数据进行降维处理,以减少跟踪过程的计算量,依据改进非线性最小二乘理论,构建目标信号模型,从而确定目标搜索范围,构造代价函数,获取参数估计结果,实现对空中机动目标的有效检测与跟踪.实验结果表明,利用改进算法进行空中机动目标参数估计优化,能够获得较好的目标参数估计效果,提高空中机动目标跟踪的准确率.