基于NS-StyleGAN2的鱼类图像扩充方法

图像多分类领域中经常出现类别不平衡问题,这会对分类模型的学习训练产生负面影响。通过对样本数量较少的类别进行扩充可以有效解决类别不平衡问题。生成对抗网络作为近年来新兴的一种神经网络,输入真实图像样本训练可以输出与真实样本非常相似的生成样本。根据此特性,本文结合第二代样式生成对抗网络（StyleGAN2）的设计思想与鱼类图像的特点,设计一种噪声抑制样式生成对抗网络NS-StyleGAN2 （Noise-Suppressed Style Generative Adversarial Networks 2）。NS-StyleGN2去除了StyleGAN2合成网络中低分辨率层的噪声输入,从而抑制低分辨率层的噪声权重,使StyleGAN2生成样本细节特征更逼近真实样本特征。采用202张鲢鱼图像进行训练,本文提出的方法在起始分数、弗雷歇起始距离、内核起始距离得分等方面均优于DCGAN、WGAN、StyleGAN2,表明该方法可以有效进行图像扩充。     

模板转化法制备苎麻纤维织物SiC陶瓷

以苎麻纤维织物为生物模板,通过浸渍含有硅粉的酚醛树脂溶液,后经压制成型、碳化和1500℃烧结等工艺,制备了具有生物纤维形态的SiC陶瓷。利用XRD、SEM等测试技术,研究了不同烧结助剂对样品的各项性能和微观形貌的影响。结果表明:烧结助剂对苎麻纤维织物SiC陶瓷的失重率、显气孔率、体积收缩率等性能均产生了影响;添加Al_2O_3-Y_2O_3-SiO_2三元烧结助剂的SiC陶瓷具有最大的显气孔率和最小的体积收缩率;陶瓷中的SiC主要以β-SiC的形式存在;微观形貌分析显示,样品很好地保留了苎麻织物的纤维状微观结构。     

预制体浸渗法制备苎麻纤维织物SiC/Cu复合材料

以苎麻纤维织物SiC陶瓷为生物模板,通过腐蚀、敏化、活化、施镀等工艺镀金属镍,后经高温真空环境熔渗金属Cu,制备出了苎麻纤维织物SiC/Cu复合材料。通过物理性能、显微组织等测试分析,研究了镀镍时间对样品的各项性能和微观形貌的影响。结果表明,镀镍时间超过30 min,随镀镍时间增加,苎麻纤维织物SiC预制体的密度增加、开口气孔率降低、体积密度变化不大;苎麻纤维织物SiC陶瓷独特有序的生物结构和金属镍层的存在共同改善了金属Cu的熔渗效果。     

PSO算法在边坡稳定性评价中的实用性

针对PSO算法的实用性和优化效果,选用四个测试函数,计算它们在不同的PSO优化算法和不同维数下的结果,并给出边坡稳定性平价实例计算.计算结果表明不同的PSO优化算法的实用性和效果不同,同种PSO算法对不同问题的优化效果也不同,随着维数的增加各个优化算法的效果也越来越差.     

PCA-PSOBP在边坡稳定性评价中的应用

BP神经网络在使用时会遇到泛化和局部极小的问题。为改善这些问题,引入主成分分析(PCA)方法对样本数据进行处理,同时引入粒子群优化算法(PSO)优化BP网络的初始权值和阀值,采用PSO和BP接力计算的方式。计算结果表明,PCA-PSOBP对边坡稳定性的评价有较好的适用性。