基于自监督图对比学习的视频问答方法

视频问答作为一种跨模态理解任务,在给定一段视频和与之相关的问题的条件下,需要通过不同模态语义信息之间的交互来产生问题的答案.近年来,由于图神经网络在跨模态信息融合与推理方面强大的能力,其在视频问答任务中取得了显著的进展.但是,大多数现有的图网络方法由于自身固有的过拟合或过平滑、弱鲁棒性和弱泛化性的缺陷使得视频问答模型的性能未能进一步提升.鉴于预训练技术中自监督对比学习方法的有效性和鲁棒性,在视频问答任务中利用图数据增强的思路提出了一种图网络自监督对比学习框架GMC.该框架使用针对节点和边的两种数据增强操作来生成相异子样本,并通过提升原样本与生成子样本图数据预测分布之间的一致性来提高视频问答模型的准确率和鲁棒性.在视频问答公开数据集上通过与现有先进的视频问答模型和不同GMC变体模型的实验对比验证了所提框架的有效性.     

防雷数据库表间记录的链式关联处理

防雷检测原始记录数据表格复杂,进行信息化处理时表间的联系尤其重要,本文采用数据结构中的双链式处理,使表之间有机关联起来,从而使删除与插入高效方便。     

基于磁耦合共振的能量无线传输性能分析

针对磁耦合共振式无线能量传输技术的特点,从理论和仿真实验两个方面对这一前沿技术进行了系统的研究,通过理论推导分析了影响效率的因素。并通过三维电磁仿真软件(HFSS)设计了具体的发射和接收实验系统,探究了发射频率、线圈间距、谐振状态等因素对传输功率、传输距离和传输效率的影响。对能量无线传输系统的设计分析有着重要意义。     

基于时序二维化的航空传感器故障检测

航空传感器故障检测在航空飞行任务中具有重要意义。然而传感器时序数据长度极长、时间跨度极广导致目前大多数方法检测性能较差。针对上述问题,提出基于时序二维化的航空传感器故障检测(time-series to 2D fault detection, T2D)方法。将信息熵应用到分段聚合近似算法中,充分保留时序特征的同时实现对数据的有效压缩;引入格拉姆角场将降维后的一维数据编码为二维图像,维持原始序列的长程依赖性;设计一种灵活的卷积映射模块并插入检测网络Vision Transformer的编码器中,提高模型的检测精度。实验结果表明,T2D模型在某民机试飞仿真时序数据集上,性能显著优于其他模型,验证了所提方法的有效性和优越性。     

多模态零样本人体动作识别

目的 在人体行为识别算法的研究领域,通过视频特征实现零样本识别的研究越来越多。但是,目前大部分研究是基于单模态数据展开的,关于多模态融合的研究还较少。为了研究多种模态数据对零样本人体动作识别的影响,本文提出了一种基于多模态融合的零样本人体动作识别（zero-shot human action recognition framework based on multimodel fusion, ZSAR-MF）框架。方法 本文框架主要由传感器特征提取模块、分类模块和视频特征提取模块组成。具体来说,传感器特征提取模块使用卷积神经网络（convolutional neural network, CNN）提取心率和加速度特征;分类模块利用所有概念（传感器特征、动作和对象名称）的词向量生成动作类别分类器;视频特征提取模块将每个动作的属性、对象分数和传感器特征映射到属性—特征空间中,最后使用分类模块生成的分类器对每个动作的属性和传感器特征进行评估。结果 本文实验在Stanford-ECM数据集上展开,对比结果表明本文ZSAR-MF模型比基于单模态数据的零样本识别模型在识别准确率上提高了4 %左右。结论 本文所提出的基于多模态融合的零样本人体动作识别框架,有效地融合了传感器特征和视频特征,并显著提高了零样本人体动作识别的准确率。     

基于车辆行驶行为特性建模的电动汽车充放电策略与分析

为分析电动汽车充放电对区域配电网的影响,减小充电负荷对电网的负面冲击,对离家时间、到家时间、每日行程个数和单个行程距离4个关键要素进行建模,建立了车辆行驶行为特性模型。基于行驶行为特性,通过两阶段优化模型,对电动汽车充放电代理商(aggregator)建立了考虑电池充放电寿命损耗的"最小费用?最小波动"(minimum-costleast-fluctuation,MCLF)的充放电策略。该方法的目标是在满足用户需求的基础上,减少充放电代理商的运营费用,并将充放电负荷波动降到最低。仿真实验结果验证了该方法的有效性,并且表明:当电池成本降至现阶段的1/4,放电电价提高到0.6元/kW?h,电动汽车参与对电网放电才会有显著的经济收益;谷电价时长为8 h可以有效减小电动汽车充电对电网造成的冲击。     

某型发动机减速器齿轮毂裂纹故障研究

针对某型发动机减速器出现的齿轮毂裂纹故障,基于UG建立减速器齿轮传动系统的实体模型,对减速器一级齿轮毂进行柔性体仿真,采用弹簧模拟齿轮毂花键之间的弹性力作用,通过改变弹簧刚度的方法模拟一级齿轮毂存在故障时的状态,对比研究处于正常状态和带有裂纹齿轮毂故障状态的发动机减速器各部件的动态响应,发现故障状态下减速器各部件振动量明显增大,由此确立将振动量作为故障监测特征量的思想。利用所设计搭建的整机振动测试系统对10台次发动机振动状态进行测试,对比研究两种状态下减速器在其特征频带上的振动量大小,结果表明故障状态下振动量明显大于正常状态,从而验证仿真计算的正确性。     

时序动作单元感知的开集动作识别

开集动作识别任务要求模型不仅能准确识别训练集中的类别，还能拒绝训练集上未出现的未知类动作.目前，大多数方法都将动作视为一个整体，忽略动作本身可被分解为更细粒度的动作单元.为此，文中提出时序动作单元感知的开集动作识别方法.首先，设计动作单元关系模块，学习细粒度的动作单元特征，得到动作和动作单元的关系模式，并通过已知类动作和未知类动作在动作单元上不同的激活程度识别未知类动作.然后，设计动作单元时序模块，建模动作单元的时序信息，研究动作单元的时序性，进一步区分因为外观相似而被混淆的已知类动作和未知类动作.最后，综合考虑关系模式与动作单元时序信息，使模型具备区分已知类动作和未知类动作的能力.在3个动作识别数据集上的实验表明，文中方法性能较优.